High-Resolution Image Inpainting using Multi-Scale Neural Patch Synthesis

1. Motivation

  • 传统的方法假设图像中不同的patch之间的相似性高;
  • 生成图像的纹理细节不好,且不能处理高分辨率的图像。

2. Approach

2.1 Network Structure

Framework Overview.
The network architecture for structured content prediction.

网络分为两部分,Conten Network和Texture Network。Conten Network采用编码和解码结构,用于生成高级的语义结构;Texture Network用来生成纹理细节。

2.2 Loss function

  • The Joint Loss Function:

  • The Content Network:

3. Discussion

这篇文章中Conten Network可以在语义和整体结构上提供很强的先验知识,Texture Network也可以很好的生成一些细节。但是这篇文章中的方法不能处理复杂的情景,下图展示的是一些失败的例子,此外运行的时间较长。

4. References

【1】Yang, Chao, et al. "High-resolution image inpainting using multi-scale neural patch synthesis." Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2017.

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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