[图像补全]Image Fine-grained Inpainting论文解析与实现，效果惊人

最新推荐文章于 2025-03-06 07:30:52 发布
最新推荐文章于 2025-03-06 07:30:52 发布
阅读量7.7k 收藏 67
点赞数 11
分类专栏： python pytorch 文章标签： 深度学习 神经网络 pytorch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/h8832077/article/details/105166776
版权

图像补全是深度学习领域的热门应用。本文解析和实现论文Image Fine-grained Inpainting中的相关方法。论文亮点在于新增了一种多尺度特征融合的结构，并加入多个的损失用于辅助鉴别生成图像，使生成图像在各个尺度的特征与真实图像匹配。作者本身是有代码库的，但是可能因为疫情影响，仅上传了最后的结果。由于论文中的效果非常好，根据自己动手的原则，笔者按照论文实现了一下算法的各个细节，从最后结果来看，效果确实很不错。

[训练1 epoch的结果]

在这里插入图片描述

[训练3 epoch的结果]

补全图
在这里插入图片描述
待补全图

在这里插入图片描述
原图

在这里插入图片描述

【论文地址】

【作者源码地址】

最低0.47元/天 解锁文章
【CVPR_2023论文精读】E4S: Fine-grained Face Swapping via Regional GAN Inversion
zik的博客
05-28 3266
人脸交换是将源人脸的身份信息(如人脸成分的形状、纹理等)传递给给定的目标人脸，同时保留与身份无关的目标人脸属性信息(如表情、头部姿势、背景等)。源脸身份的保存（肤色、形状、纹理）具体是面部皮肤、眉毛、眼睛、鼻子、嘴唇和嘴巴如何正确处理面部遮挡（头发与目标脸相同）具体是头发、眼镜、耳朵、耳环、颈部和背景等非内部人脸区域身份保存此文身份保存用RGI方法来明确地解纠缠人脸成分的形状和纹理，而不是使用人脸识别模型或3DMMs。属性保存此文属性保存是用纹理编码和mask的一个混合来完成。缩写全拼。
Cvae-gan: fine-grained image generation through asymmetric training论文阅读笔记
不要回答的博客
11-16 1498
论文原文地址:Cvae-gan: fine-grained image generation through asymmetric training
深度学习与计算机视觉(12)_tensorflow实现基于深度学习的图像补全
热门推荐
寒小阳
04-17 4万+
内容识别填充(译注: Content-aware fill ,是 photoshop 的一个功能)是一个强大的工具，设计师和摄影师可以用它来填充图片中不想要的部分或者缺失的部分。在填充图片的缺失或损坏的部分时，图像补全和修复是两种密切相关的技术。有很多方法可以实现内容识别填充，图像补全和修复。在这篇博客中，我会介绍 Raymond Yeh 和 Chen Chen 等人的一篇论文，“基于感知和语境损失的图像语义修补
Image Fine-grained Inpainting
qq_40700490的博客
08-11 1050
1. Motivation 传统方法不能生成新的内容； 现有的基于深度学习的方法会产生不合理的结构和模糊。 2. Approach 2.1 Network Architecture 生成器：每个“convolution + norm”都有一个激活函数，最后一层的激活函数是Tanh，其他层的函数都是ReLU。生成器的中间部分包含DMFB(dense multi-scale fusion block)，结构如上图所示。 判别器：两个branch，一个负责全局特征，一个负责局部特征，之后将fea
CVPR 2025图像/视频/3D生成论文汇总（附论文呢/代码）
最新发布
CV_Autobot的博客
03-06 1635
作者 |Kobay编辑 | 自动驾驶之心原文链接：https://zhuanlan.zhihu.com/p/27979298565点击下方卡片，关注“自动驾驶之心”公众号戳我->领取自动驾驶近15个方向学习路线>>点击进入→自动驾驶之心『CVPR 2025』技术交流群本文只做学术分享，如有侵权，联系删文Awesome-CVPR2025-AIGCA Collection of...
探索精细修复的艺术：Image Fine-grained Inpainting
gitblog_00015的博客
05-27 460
探索精细修复的艺术：Image Fine-grained Inpainting 去发现同类优质开源项目:https://gitcode.com/ 在数字图像处理的浩瀚宇宙中，Image Fine-grained Inpainting项目如同一颗璀璨的新星，以其独特的光芒照耀着图像修复技术的前沿领域。今天，我们带你深入了解这一创新开源项目，感受其如何以细腻的手法修复图像，使之宛若新生。 项目介绍 I...
Image Fine-grained Inpainting图像细粒度修复（2020）论文笔记
qq_48387055的博客
11-16 471
本文提出了一个单阶段模型，该模型利用空洞卷积的密集组合来获得更大更有效的感受野。得益于该网络的特性，我们可以更容易地从不完整的图像中恢复出大面积的区域。为了更好地训练这个高效的生成器，除了经常使用的VGG特征匹配损失外，还设计了一种新的自导向回归损失来集中不确定区域并增强语义细节。此外，设计了一个几何对齐约束项(特征中心坐标对齐)来补偿基于像素的预测特征与真实图片特征之间的距离。我们还使用局部和全局分支的鉴别器来确保局部和全局内容的一致性。为了进一步提高生成图像的质量，在局部分支上引入鉴别器特征匹配，动态地
RFA-Net: Residual feature attention network for fine-grained image inpainting 论文阅读笔记
weixin_44155775的博客
03-29 311
尽管大多数使用生成对抗性网络（GAN）的现有方法通常会产生合理的结果，当区域较大或者缺失区域的背景很复杂时，会有大量的伪影和不理想的纹理恢复。与传统相比编码器-解码器方法，我们的主要贡献是提出了一种采用非池化残差的新型RFA-Net，具有三个新模块的CNN结构，它保留了浅层的纹理特征并自适应了解可能有利于图像修复的某些通道和特征位置的重要性。实验结果表明，我们的RFA-Net能够恢复和真实图像一样的纹理细节，在图像定性和定量比较方面性能优于最先进的方法。
RFA-Net: Residual feature attention network for fine-grained imageinpainting 阅读笔记
xiaozhikr的专栏
05-15 304
论文题目：RFA-Net: Residual feature attention network for fine-grained imageinpainting 论文地址：https://www.sciencedirect.com/science/article/pii/S0952197622008041 GitHub地址：https://github.com/Jamie-61/RFA-Net-Inpainting
【论文笔记】Hierarchical Fine-Grained Image Forgery Detection and Localization
weixin_45366180的博客
05-30 1011
CNN合成域和图像编辑域生成的图像的伪造属性差异很大，这种差异使得统一的图像伪造检测与定位(IFDL)具有挑战性。提出了一个用于IFDL表示学习的层次化的粒度公式。具体来说，我们将在不同的级别上用多个标签来表示被操纵图像的伪造属性。然后，我们使用它们之间的层次依赖性在这些级别上执行细粒度的分类。因此，该算法既能学习不同伪造属性的综合特征，又能学习不同伪造属性的内在层次性，从而改进了IFDL表示。我们提出的IFDL框架包含三个部分：多分支特征提取器、定位和分类模块。
IMAGE INPAINTING
I AM BACK
11-30 1886
IMAGE INPAINTING We need get good Int(i,j) I_t^n {(i,j)} Here using Laplacian Operator: http://www.cnblogs.com/xfzhang/archive/2011/01/19/1939020.html http://blog.csdn.net/xiaowei_cqu/article
基于深度学习的图像补全算法综述.pdf
08-18
基于深度学习的图像补全算法综述.pdf
Inpainting:使用反距离加权高斯核或局部均值修复 Python 数组中的漏洞
06-09
使用反距离加权高斯核或局部均值修复 Python 数组中的修复漏洞。 Davide Lasagna 的原始修复代码（replace_nans 函数） 移除 Cython 并通过 opit 添加 Gaussian 内核代码（ ） 请注意，高斯内核的默认标准偏差等于 3，并被归一化为总和为 1 以保持通量，这意味着对于更大的标准偏差，您必须增加内核大小以避免伪影。 尽管如此，有人发现一个清理过的旧脚本很有用： : 有关示例，请参阅 inpaint_array.py 中的 test() 函数。
深度学习图像修复算法 - opencv python 机器视觉 计算机竞赛
Mr.D学长
11-22 1563
🔥 优质竞赛项目系列，今天要分享的是🚩深度学图像修复算法该项目较为新颖，适合作为竞赛课题方向，学长非常推荐！🥇学长这里给一个题目综合评分(每项满分5分)难度系数：3分工作量：3分创新点：4分🧿内容识别填充(译注: Content-aware fill ,是 photoshop的一个功能)是一个强大的工具，设计师和摄影师可以用它来填充图片中不想要的部分或者缺失的部分。在填充图片的缺失或损坏的部分时，图像补全和修复是两种密切相关的技术。有很多方法可以实现内容识别填充，图像补全和修复。
图像补全_全局细节统统修复——StructureFlow重建新算法实现高性能图像修复
weixin_35838394的博客
01-09 1233
From:arxiv 编译:T.R图像修复技术对于众多修图软件来说十分重要，在深度学习的帮助下图像修复算法的功能越来越强大，甚至对于大幅度污损的照片也能轻松修复。但目前的很多算法在进行图像修复时却面临着结构重建问题或细节问题修复问题的困难，修复结果不尽如人意。为了解决这一问题，来自北大、鹏城实验室和腾讯的研究人员提出了一种新的算法StructureFlow，将图像修复的过程分为边缘保持的低频结构...
图像补全（image inpainting）
gwpscut的博客
06-21 1万+
图像补全（image inpainting）要求算法根据图像自身或图像库信息来补全待修复图像的缺失区域，使得修复后的图像看起来非常自然，难以和未受损的图像区分开。根据恐怖谷理论，只要填补内容和未受损区域有细微的不协调，就会非常显眼。因此高质量的图像补全不仅要求生成的内容语义合理，还要求生成的图像纹理足够清晰真实。 目前最好的图像补全的方法主要分为两类：一类是经典的纹理合成方法，核心是从图像的未受...
图像修补论文阅读：MAT算法笔记
qq_43631268的博客
04-27 2225
在本文中，我们提出了一种新的基于transformer的大空洞修复模型，它结合了transformers和卷积的优点来高效地处理高分辨率图像。我们精心设计了框架的每个组成部分，以保证恢复图像的高保真度和多样性。具体来说，我们定制了一个面向修复的transformer block，其中的注意力模块仅从部分有效的token中聚合非局部信息，用动态掩码表示。大量实验证明了该新模型在多个基准数据集上的SOTA性能。
Image Inpainting via Generative Multi-column Convolutional Neural Networks
qq_40700490的博客
08-12 1369
1. Motivation 提取合适的特征评估 patch之间的相似性； 寻找最接近的 patch； 聚合辅助信息。 2. Approach 2.1 Network Structure 生成器：三个并行的编码器，用于提取不通尺度的特征，一个公用的解码器。 判别器：局部判别器+全局判别器。 2.2 Loss function ID-MRF regularization： 这个损失或正则项其实就是常见的感知损失或特征损失的改良版，用上面的公式去度量 patch之间的相似性，相似
【人工智能图像补全复现】基于GAN的图像补全
weixin_52326113的博客
11-29 6045
本文解析和实现论文Globally and Locally Consistent Image Completion中的相关方法。论文亮点在于使用全局（整张图片）和局部（缺失补全部分）两种鉴别器来训练，并运用GAN使生成图像在各个尺度的特征与真实图像匹配。关键词：GAN；图像补全；多种鉴别器训练。
评论 14
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值