Pluralistic Image Completion—多元图像补全—摘要翻译—测试教程(附源码)——CVPR 2019
Pluralistic Image CompletionAbstract 尽管可能存在许多合理的可能性,但是大多数图像完成方法对于每个 masked input 仅产生一个结果。在本文中,我们提出了一种用于多元图像补全的方法-生成用于图像补全的多个可行结果的任务。基于学习的方法面临的主要挑战是每个标签通常只有一个真实原图训练实例。因此,从有条件的VAE采样仍然导致最小的多样性。 为了克服这个问题,我们提出了一种新颖且基于概率原理的框架,该框架具有两条平行的路径。 One is a re
复制链接