論文の概要: Image Completion and Extrapolation with Contextual Cycle Consistency
- arxiv url: http://arxiv.org/abs/2006.02620v1
- Date: Thu, 4 Jun 2020 02:40:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-25 09:59:20.229744
- Title: Image Completion and Extrapolation with Contextual Cycle Consistency
- Title(参考訳): コンテクストサイクル一貫性による画像補完と外挿
- Authors: Sai Hemanth Kasaraneni, Abhishek Mishra
- Abstract要約: 本稿では,相互に利益を得ながら,補完ネットワークと外挿ネットワークを同時に訓練する手法を提案する。
本手法は, 大規模な欠損領域の完成における効率を実証し, アートベースラインの現代的状態との比較を示す。
- 参考スコア(独自算出の注目度): 1.8173580249469885
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Image Completion refers to the task of filling in the missing regions of an
image and Image Extrapolation refers to the task of extending an image at its
boundaries while keeping it coherent. Many recent works based on GAN have shown
progress in addressing these problem statements but lack adaptability for these
two cases, i.e. the neural network trained for the completion of interior
masked images does not generalize well for extrapolating over the boundaries
and vice-versa. In this paper, we present a technique to train both completion
and extrapolation networks concurrently while benefiting each other. We
demonstrate our method's efficiency in completing large missing regions and we
show the comparisons with the contemporary state of the art baseline.
- Abstract(参考訳): Image Completionは、画像の欠落した領域を埋めるタスクであり、Image Extrapolationは、その境界で画像を一貫性を維持しながら拡張するタスクである。
GANに基づく最近の多くの研究は、これらの問題ステートメントに対処する進歩を示しているが、これら2つのケースには適応性がない。
本稿では,相互に利益を得ながら,補完ネットワークと外挿ネットワークを同時に訓練する手法を提案する。
そこで本研究では, 大規模欠落地域を補完する手法の有効性を実証し, アートベースラインの現代的状態と比較する。
関連論文リスト
- Region-aware Distribution Contrast: A Novel Approach to Multi-Task Partially Supervised Learning [50.88504784466931]
マルチタスク密度予測にはセマンティックセグメンテーション、深さ推定、表面正規推定が含まれる。
既存のソリューションは通常、グローバルなクロスタスク画像マッチングのためのグローバルなイメージ表現の学習に依存している。
本提案では,ガウス分布を用いた地域表現をモデル化する。
論文 参考訳(メタデータ) (2024-03-15T12:41:30Z) - Deep Image Matting: A Comprehensive Survey [85.77905619102802]
本稿では,ディープラーニング時代における画像マッチングの最近の進歩を概観する。
本稿では,補助的な入力ベースの画像マッチングと,自動的な画像マッチングという,2つの基本的なサブタスクに焦点を当てる。
画像マッチングの関連応用について論じ,今後の研究への課題と可能性を明らかにする。
論文 参考訳(メタデータ) (2023-04-10T15:48:55Z) - Instance-Aware Image Completion [15.64981939298373]
我々はImCompleteと呼ばれる新しい画像補完モデルを提案する。
ImCompleteはまず、見えるインスタンスと行方不明領域の位置を考慮に入れたトランスフォーマーアーキテクチャを採用する。
その後、ImCompleteは行方不明領域内のセマンティックセマンティクスマスクを完了し、ピクセルレベルのセマンティクスと構造的ガイダンスを提供する。
論文 参考訳(メタデータ) (2022-10-22T04:38:00Z) - Smoothing the Disentangled Latent Style Space for Unsupervised
Image-to-Image Translation [56.55178339375146]
イメージ・ツー・イメージ(I2I)マルチドメイン翻訳モデルは通常、セマンティックな結果の品質を用いて評価される。
本稿では,翻訳ネットワークがスムーズでゆがみのあるラテントスタイル空間を学習するのに役立つ,3つの特定の損失に基づく新たなトレーニングプロトコルを提案する。
論文 参考訳(メタデータ) (2021-06-16T17:58:21Z) - Large Scale Image Completion via Co-Modulated Generative Adversarial
Networks [18.312552957727828]
画像条件と最近の非条件生成アーキテクチャのギャップを埋める汎用的な新しいアプローチを提案する。
また,画像補完のための定量的指標が不十分なため,Paired/Unpaired Inception Discriminative Score (P-IDS/U-IDS)を提案する。
実験は、自由形式の画像補完における最先端の手法よりも品質と多様性の両面で優れた性能を示し、画像から画像への変換を容易に一般化する。
論文 参考訳(メタデータ) (2021-03-18T17:59:11Z) - Contrastive Rendering for Ultrasound Image Segmentation [59.23915581079123]
米国の画像にシャープな境界がないことは、セグメンテーションに固有の課題である。
我々は,US画像における境界推定を改善するための,新しい,効果的なフレームワークを提案する。
提案手法は最先端の手法より優れており,臨床応用の可能性も高い。
論文 参考訳(メタデータ) (2020-10-10T07:14:03Z) - Crossing-Domain Generative Adversarial Networks for Unsupervised
Multi-Domain Image-to-Image Translation [12.692904507625036]
複数の領域にまたがる教師なし画像間翻訳のための一般的なフレームワークを提案する。
提案するフレームワークは,一対のエンコーダと一対のGANから構成される。
論文 参考訳(メタデータ) (2020-08-27T01:54:07Z) - Guidance and Evaluation: Semantic-Aware Image Inpainting for Mixed
Scenes [54.836331922449666]
本稿では,SGE-Net(Semantic Guidance and Evaluation Network)を提案する。
セマンティックセグメンテーションマップをインペイントの各尺度のガイダンスとして利用し、そこで位置依存推論を再評価する。
混合シーンの現実画像に対する実験により,提案手法が最先端手法よりも優れていることが示された。
論文 参考訳(メタデータ) (2020-03-15T17:49:20Z) - Image Fine-grained Inpainting [89.17316318927621]
拡張畳み込みの密結合を利用してより大きく効果的な受容場を得る一段階モデルを提案する。
この効率的なジェネレータをよく訓練するために、頻繁に使用されるVGG特徴整合損失を除いて、新しい自己誘導回帰損失を設計する。
また、局所的・グローバルな分枝を持つ識別器を用いて、局所的・グローバルな内容の整合性を確保する。
論文 参考訳(メタデータ) (2020-02-07T03:45:25Z)
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。