Jun, 2024

视频减少现实修复下的优化 ProPainter

PDF
TL;DR在这篇论文中，我们介绍了一种从 ProPainter 方法优化而来的视频修复技术，以满足口腔颌面外科医学图像的特殊需求。我们的增强算法采用了零样本的 ProPainter，具有优化的参数和预处理，能够熟练处理手术视频序列的修复任务，而不需要任何训练过程。它旨在产生时间上连贯且细节丰富的修复区域重建，以便更清晰地观察手术区域。通过使用综合指标评估我们的方法的有效性，将其定位为在医学领域应用虚拟现实的重要进展。
dreaming challengediminished realityinpaintingmedical imagingoral and maxillofacial surgery
发现论文，激发创造
  • 重新构想现实：视频修复技术的综合调研

    这篇论文通过分析视频修复技术的最新进展，探讨了计算机视觉和人工智能中的一个关键领域。论文通过人工评估和计算资源比较综合考虑视觉质量和计算效率之间的平衡，并为未来探索这个充满活力和不断发展的领域提供了指导。

    Jan, 2024

  • 复杂场景视频修复

    这篇论文提出了一种基于全局、基于补丁的功能的自动视频修复算法，可以处理动态纹理、多个移动对象和移动背景等挑战情况，并在执行时间方面比现有技术快一个数量级。最终的算法不需要分割或手动输入，只需要定义修复遮罩即可，并且能够处理比以前的工作更广泛的情况。

    Mar, 2015

  • ProPainter: 提升视频修复的传播和变换器

    通过改进的 ProPainter 框架，结合了增强的 ProPagation 和高效的 Transformer 机制，实现了视频修复的高效性和更好的效果。

    Sep, 2023

  • 深度视频修复

    本文提出了一种基于深度学习的快速视频修复网络，结合图像编解码模型，利用邻帧信息综合填充未知视频区域，并运用循环反馈和时间存储模块确保输出的时空连续性，与之前的视频修复方法相比，其结果更为语义正确和时空平滑，且可用于视频重定向任务并生成优质视觉效果。

    May, 2019

  • 基于深度学习的图像和视频修复研究综述

    通过深度学习，对于图像和视频修复的基于深度学习的方法进行综合评述，并从高水平的修复流程、深度学习架构、模块设计等多个角度进行分类总结。同时，讨论了训练目标、常见基准数据集、评估指标以及各修复方法的优势、局限性及实际应用，并探讨了公开挑战和未来可能的研究方向。

    Jan, 2024

  • 一种视频修复的内部学习方法

    提出了一种新颖的视频修复算法，通过 Deep Image Prior（DIP）推出的卷积网络，同时生成缺失的外观和光流信息，并采用一种无需先验训练的生成式方法进行修复。该方法具有良好的视觉效果和长期一致性。

    Sep, 2019

  • DeepDR: 深度结构感知的 RGB-D 修复用于减弱现实

    Diminished reality 通过使用 inpainting 技术生成并纠正场景的图像和几何结构，DeepDR 框架在实时帧速率下运行，具有最小的时间伪影，并在复杂背景下重建锐利和一致的边界。

    Dec, 2023

  • 面部去遮挡网络用于虚拟远程系统

    本研究提出了一种解决虚拟现实设备遮挡人脸问题的深度学习图像修补方案，使用户在虚拟世界中的面部外观更加逼真。

    Oct, 2022

  • 填写 ____ （基于扩散的图像修复流程）

    图像修复是将图像中的缺失或故意遮挡部分恢复出来的过程，在现代修复技术中，我们提供了当前主要方法的概述和评估，并着重解决了现有模型在生成过程中缺乏提示和控制能力的问题，并提供了多种实现该功能的方法。最终，通过对生成的高质量图像进行定性检查，我们评估了我们的方法的结果是否能正确地修复指定区域。

    Mar, 2024

  • 深度流引导视频修复

    本文提出了一种新颖的视频修复方法，使用 Deep Flow Completion 网络综合光流场来引导像素填充，从而保证了视频内容的时空连贯性，并在 DAVIS 和 YouTube-VOS 数据集上取得了最优的修复质量和速度。

    May, 2019