论文阅读笔记---Image Inpainting with Local and Global Refinement

2023-10-08 23:40

本文主要是介绍论文阅读笔记---Image Inpainting with Local and Global Refinement,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

  • 论文链接:
    https://weizequan.github.io/TIP2022/Image_Inpainting_with_Local_and_Global_Refinement-compressed.pdf
  • 代码链接:
    https://github.com/weizequan/LGNet

文章提出了一个关于感受野的三阶段修复框架。

  1. 首先应用具有大感受野(覆盖整个图像)的粗修补网络来填充孔洞,从而可以完成主要结构和部分纹理细节;
  2. 提出了具有不同大小感受野的局部和全局精细化网络,以改善修复结果。
  3. 这两个子网络分别关注“全局修补”和“局部修补”,结合起来获得“整体修补”。

从网络设计的角度看,现有的基于深度学习的图像修复方法大致可以分为三类:一阶段、两阶段和渐进方法。

本文所提出的模型,是由粗到细的两阶段修复模型,与先前的两阶段修复模型不同的是:

(1)先前的都是通过引入扩展卷积或上下文注意,仅关注具有大感受野的编码器-解码器生成器。而本文强调了具有小感受野的网络对于图像修复的重要性。

(2)局部细化网络(具有小感受域)和全局细化网络(带有大感受域)的组合,这一新的设计理念可以处理不同的修复场景,包括局部结构、局部纹理细节、大结构和长距离纹理模式。另外,与先前的两阶段方法相比,全局细化网络(本文的第三阶段)中的注意力计算更为稳健,这是由于局部细化网络提供了更好的表示,先前的两阶段的方法在第二阶段中计算上下文注意力,其结果粗糙。


感受野是指路径连接到神经元的一组输入像素。感受野是深度神经网络的一个重要方面,在图像分类和语义分割中得到了更多关注。然而,它在图像修复和深度学习方面的研究较少。
感受野

感受野(Receptive Field),指的是神经网络中神经元“看到的”输入区域,在卷积神经网络中,feature map上某个元素的计算受输入图像上某个区域的影响,这个区域即该元素的感受野。
在这里插入图片描述
关于感受野详细介绍和计算方式:https://www.cnblogs.com/shine-lee/p/12069176.html


具有小感受野的网络对于修复局部结构和纹理更有效,而具有大感受野的神经网络对于修复长距离细节和大结构更有用。


Coarse Inpainting Network

粗修复网络(NetC)采用了带跳过连接的编码器-编码器架构。该网络由八个下采样和上采样操作组成。长跳跃连接用于将信息从编码器传播到解码器,以恢复在下采样期间丢失的信息

Local Refinement Network

局部细化网络是一个浅-深网络。局部细化网络(NetL)包括两个下采样操作、四个残差块和两个上采样操作。

Attention-based Global Refinement Network

我们引入了一种基于注意力的全局细化网络,通过大感受野和注意力方案,扩大神经元捕获信息的范围。

EXPERIMENTS

  1. Experimental Settings

**Datasets: **

  • CelebA-HQ
  • Places2
  • Paris StreetView dataset

Mask:基于QD-IMD(快速绘制不规则掩模数据集)的掩模

Comparison methods:

  • PEN

  • GConv

  • MEDFE

  • RFR

  • MADF

CONCLUSIONS AND FUTURE WORK

结论

从感受野的角度,提出了一种三阶段生成网络用于图像修复。采用具有大感受域的粗修复网络来完成整个结构和部分纹理细节。设计了一个具有小感受野的局部细化网络,以消除与其局部区域密切相关的视觉伪影,并防止因填充内容太远和失败而产生的负面影响。提出了一种具有大感受野的基于注意力的全局细化网络,以利用全局信息和更稳定的注意力计算进一步提高修复结果的视觉质量。

展望

通过设计具有不同接收域的子网络来改进我们的网络架构,或者将局部和全局优化作为一个整体,以实现更高效的存储和计算。此外,注意力已经在许多现有的图像修复方法中普遍存在,然而,注意力计算对填充内容敏感,并且没有适当的监督。可以设计更精确和鲁棒的注意力计算机制。

这篇关于论文阅读笔记---Image Inpainting with Local and Global Refinement的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/168770

相关文章

JAVA智听未来一站式有声阅读平台听书系统小程序源码

智听未来,一站式有声阅读平台听书系统 🌟 开篇:遇见未来,从“智听”开始 在这个快节奏的时代,你是否渴望在忙碌的间隙,找到一片属于自己的宁静角落?是否梦想着能随时随地,沉浸在知识的海洋,或是故事的奇幻世界里?今天,就让我带你一起探索“智听未来”——这一站式有声阅读平台听书系统,它正悄悄改变着我们的阅读方式,让未来触手可及! 📚 第一站:海量资源,应有尽有 走进“智听

AI hospital 论文Idea

一、Benchmarking Large Language Models on Communicative Medical Coaching: A Dataset and a Novel System论文地址含代码 大多数现有模型和工具主要迎合以患者为中心的服务。这项工作深入探讨了LLMs在提高医疗专业人员的沟通能力。目标是构建一个模拟实践环境,人类医生(即医学学习者)可以在其中与患者代理进行医学

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

AI基础 L9 Local Search II 局部搜索

Local Beam search 对于当前的所有k个状态,生成它们的所有可能后继状态。 检查生成的后继状态中是否有任何状态是解决方案。 如果所有后继状态都不是解决方案,则从所有后继状态中选择k个最佳状态。 当达到预设的迭代次数或满足某个终止条件时,算法停止。 — Choose k successors randomly, biased towards good ones — Close

论文翻译:arxiv-2024 Benchmark Data Contamination of Large Language Models: A Survey

Benchmark Data Contamination of Large Language Models: A Survey https://arxiv.org/abs/2406.04244 大规模语言模型的基准数据污染:一项综述 文章目录 大规模语言模型的基准数据污染:一项综述摘要1 引言 摘要 大规模语言模型(LLMs),如GPT-4、Claude-3和Gemini的快

论文阅读笔记: Segment Anything

文章目录 Segment Anything摘要引言任务模型数据引擎数据集负责任的人工智能 Segment Anything Model图像编码器提示编码器mask解码器解决歧义损失和训练 Segment Anything 论文地址: https://arxiv.org/abs/2304.02643 代码地址:https://github.com/facebookresear

数学建模笔记—— 非线性规划

数学建模笔记—— 非线性规划 非线性规划1. 模型原理1.1 非线性规划的标准型1.2 非线性规划求解的Matlab函数 2. 典型例题3. matlab代码求解3.1 例1 一个简单示例3.2 例2 选址问题1. 第一问 线性规划2. 第二问 非线性规划 非线性规划 非线性规划是一种求解目标函数或约束条件中有一个或几个非线性函数的最优化问题的方法。运筹学的一个重要分支。2

【C++学习笔记 20】C++中的智能指针

智能指针的功能 在上一篇笔记提到了在栈和堆上创建变量的区别,使用new关键字创建变量时,需要搭配delete关键字销毁变量。而智能指针的作用就是调用new分配内存时,不必自己去调用delete,甚至不用调用new。 智能指针实际上就是对原始指针的包装。 unique_ptr 最简单的智能指针,是一种作用域指针,意思是当指针超出该作用域时,会自动调用delete。它名为unique的原因是这个

查看提交历史 —— Git 学习笔记 11

查看提交历史 查看提交历史 不带任何选项的git log-p选项--stat 选项--pretty=oneline选项--pretty=format选项git log常用选项列表参考资料 在提交了若干更新,又或者克隆了某个项目之后,你也许想回顾下提交历史。 完成这个任务最简单而又有效的 工具是 git log 命令。 接下来的例子会用一个用于演示的 simplegit