Fugu-MT 論文翻訳(概要): Large Hole Image Inpainting With Compress-Decompression Network

論文の概要: Large Hole Image Inpainting With Compress-Decompression Network

arxiv url: http://arxiv.org/abs/2002.00199v1
Date: Sat, 1 Feb 2020 12:39:13 GMT
ステータス: 処理完了
システム内更新日: 2023-01-05 01:13:32.040413
Title: Large Hole Image Inpainting With Compress-Decompression Network
Title（参考訳）: 圧縮減圧ネットワークを用いた大孔画像インパインティング
Authors: Zhenghang Wu, Yidong Cui
Abstract要約: 既存の方法では、破損した画像の修復のための畳み込みニューラルネットワークが提案されている。既存の手法を考察し,圧縮圧縮ネットワークという新しいネットワークを提案する。残差ネットワークを用いた圧縮ネットワークを構築し,画像の拡張に類似したテクスチャ選択アルゴリズムを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Image inpainting technology can patch images with missing pixels. Existing methods propose convolutional neural networks to repair corrupted images. The networks focus on the valid pixels around the missing pixels, use the encoder-decoder structure to extract valuable information, and use the information to fix the vacancy. However, if the missing part is too large to provide useful information, the result will exist blur, color mixing, and object confusion. In order to patch the large hole image, we study the existing approaches and propose a new network, the compression-decompression network. The compression network takes responsibility for inpainting and generating a down-sample image. The decompression network takes responsibility for extending the down-sample image into the original resolution. We construct the compression network with the residual network and propose a similar texture selection algorithm to extend the image that is better than using the super-resolution network. We evaluate our model over Places2 and CelebA data set and use the similarity ratio as the metric. The result shows that our model has better performance when the inpainting task has many conflicts.
Abstract（参考訳）: 画像のインペイント技術は、画像にピクセルの欠如をパッチできる。既存の方法では、破損した画像を修復するための畳み込みニューラルネットワークが提案されている。ネットワークは、欠落したピクセル周辺の有効なピクセルに焦点を合わせ、エンコーダ・デコーダ構造を使って貴重な情報を抽出し、その情報を使って空白を修復する。しかし、欠落した部分が有用情報を提供するには大きすぎる場合、その結果はぼやけ、色混合、オブジェクトの混乱が存在する。大規模ホール画像にパッチを当てるため,既存手法について検討し,圧縮圧縮ネットワークという新しいネットワークを提案する。圧縮ネットワークは、ダウンサンプル画像の描画および生成の責任を負う。圧縮ネットワークは、ダウンサンプル画像を元の解像度に拡張する責任を負う。本稿では,残差ネットワークを用いた圧縮ネットワークを構築し,超解像ネットワークよりも優れた画像拡張のためのテクスチャ選択アルゴリズムを提案する。我々はplaces2およびcelebaデータセット上でモデルを評価し,類似度比を指標として用いる。その結果、インペイントタスクに多くの競合がある場合、モデルの性能が向上することがわかった。

関連論文リスト

Perceptual Image Compression with Cooperative Cross-Modal Side Information [53.356714177243745]
本稿では,テキスト誘導側情報を用いた新しい深層画像圧縮手法を提案する。具体的には,CLIPテキストエンコーダとSemantic-Spatial Awareブロックを用いてテキストと画像の特徴を融合する。
論文参考訳（メタデータ） (2023-11-23T08:31:11Z)
You Can Mask More For Extremely Low-Bitrate Image Compression [80.7692466922499]
近年,学習画像圧縮(lic)法は大きな進歩を遂げている。 licメソッドは、画像圧縮に不可欠な画像構造とテクスチャコンポーネントを明示的に探索することができない。原画像の構造とテクスチャに基づいて可視パッチをサンプリングするDA-Maskを提案する。極めて低ビットレート圧縮のために, lic と lic のエンドツーエンドを統一する最初のフレームワークである, 単純で効果的なマスク付き圧縮モデル (MCM) を提案する。
論文参考訳（メタデータ） (2023-06-27T15:36:22Z)
Analysis of the Effect of Low-Overhead Lossy Image Compression on the Performance of Visual Crowd Counting for Smart City Applications [78.55896581882595]
画像圧縮技術は画像の品質を低下させ、精度を低下させる。本稿では,低オーバヘッド損失画像圧縮法の適用が視覚的群集カウントの精度に与える影響を解析する。
論文参考訳（メタデータ） (2022-07-20T19:20:03Z)
Estimating the Resize Parameter in End-to-end Learned Image Compression [50.20567320015102]
本稿では,最近の画像圧縮モデルの速度歪みトレードオフをさらに改善する検索自由化フレームワークについて述べる。提案手法により,Bjontegaard-Deltaレート(BD-rate)を最大10%向上させることができる。
論文参考訳（メタデータ） (2022-04-26T01:35:02Z)
The Devil Is in the Details: Window-based Attention for Image Compression [58.1577742463617]
既存の学習画像圧縮モデルは畳み込みニューラルネットワーク(CNN)に基づいている。本稿では,複数種類の注意機構が局所特徴学習に与える影響について検討し,より単純で効果的なウィンドウベースの局所的注意ブロックを提案する。提案されたウィンドウベースのアテンションは非常に柔軟で、CNNとTransformerモデルを強化するためのプラグイン・アンド・プレイコンポーネントとして機能する可能性がある。
論文参考訳（メタデータ） (2022-03-16T07:55:49Z)
Image Inpainting Using AutoEncoder and Guided Selection of Predicted Pixels [9.527576103168984]
本稿では,U-Netと同様,画像から様々な特徴を抽出し,より優れた結果を得るネットワークを提案する。出力画像の復元画素に損傷画素を置き換え,最終的な結果を改善した。
論文参考訳（メタデータ） (2021-12-17T00:10:34Z)
SDWNet: A Straight Dilated Network with Wavelet Transformation for Image Deblurring [23.86692375792203]
画像劣化は、ぼやけた画像から鋭い画像を復元することを目的としたコンピュータビジョンの問題である。我々のモデルは拡張畳み込みを用いて空間分解能の高い大きな受容場を得ることができる。本稿では,ウェーブレット変換を用いた新しいモジュールを提案する。
論文参考訳（メタデータ） (2021-10-12T07:58:10Z)
Image Compression with Recurrent Neural Network and Generalized Divisive Normalization [3.0204520109309843]
深層学習は研究コミュニティから大きな注目を集め、将来有望な画像再構成結果を生み出している。近年の手法は、ネットワークの複雑さを大幅に増大させる、より深い複雑なネットワークの開発に焦点を当てている。本稿では、畳み込み層を用いた解析とブロック合成と、可変レートエンコーダとデコーダ側における一般化分割正規化(GDN)の2つの有効な新しいブロックを開発する。
論文参考訳（メタデータ） (2021-09-05T05:31:55Z)
Variable-Rate Deep Image Compression through Spatially-Adaptive Feature Transform [58.60004238261117]
空間特徴変換(SFT arXiv:1804.02815)に基づく多目的深部画像圧縮ネットワークを提案する。本モデルは,任意の画素単位の品質マップによって制御される単一モデルを用いて,幅広い圧縮速度をカバーしている。提案するフレームワークにより,様々なタスクに対してタスク対応の画像圧縮を行うことができる。
論文参考訳（メタデータ） (2021-08-21T17:30:06Z)
Image Complexity Guided Network Compression for Biomedical Image Segmentation [5.926887379656135]
生体画像セグメント化のための画像複雑化誘導型ネットワーク圧縮手法を提案する。データセットの複雑さを、圧縮によるターゲットネットワークの精度劣化にマップする。このマッピングは、圧縮ネットワークを生成するための畳み込み層ワイド乗算因子を決定するために用いられる。
論文参考訳（メタデータ） (2021-07-06T22:28:10Z)
R-MNet: A Perceptual Adversarial Network for Image Inpainting [5.471225956329675]
本稿では,新たな逆マスク演算子であるReverse Masking Network(R-MNet)と組み合わせたWasserstein GANを提案する。提案手法は,高分解能な塗装作業に一般化でき,人間の視覚系に適応可能なよりリアルな出力を示す。
論文参考訳（メタデータ） (2020-08-11T10:58:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。