論文の概要: SiENet: Siamese Expansion Network for Image Extrapolation

• arxiv url: http://arxiv.org/abs/2007.03851v1
• Date: Wed, 8 Jul 2020 02:17:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-12 12:55:16.363935
• Title: SiENet: Siamese Expansion Network for Image Extrapolation
• Title（参考訳）: SiENet:画像外挿のためのシームズ拡張ネットワーク
• Authors: Xiaofeng Zhang, Feng Chen, Cailing Wang, Songsong Wu, Ming Tao and Guoping Jiang
• Abstract要約: 本稿では,Siamese Expansion Network (SiENet) と呼ばれる,画像外挿のための2段階逆解析モデルを提案する。 2つの段階において、アダプティブ・フィリング・コンボリューション(Adaptive fill convolution)と呼ばれる新しい境界敏感な畳み込みが、エンコーダが未知のコンテンツを予測できるように設計されている。 4つのデータセットの結果から,本手法は既存の最先端技術よりも優れ,現実的な結果が得られることが示された。
• 参考スコア（独自算出の注目度）: 15.061088942034445
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Different from image inpainting, image outpainting has relative less context in the image center to capture and more content at the image border to predict. Therefore, classical encoder-decoder pipeline of existing methods may not predict the outstretched unknown content perfectly. In this paper, a novel two-stage siamese adversarial model for image extrapolation, named Siamese Expansion Network (SiENet) is proposed. In two stages, a novel border sensitive convolution named adaptive filling convolution is designed for allowing encoder to predict the unknown content, alleviating the burden of decoder. Besides, to introduce prior knowledge to network and reinforce the inferring ability of encoder, siamese adversarial mechanism is designed to enable our network to model the distribution of covered long range feature for that of uncovered image feature. The results on four datasets has demonstrated that our method outperforms existing state-of-the-arts and could produce realistic results.
• Abstract（参考訳）: 画像の塗布と異なり、画像の露光はイメージセンタ内のコンテキストが比較的小さく、画像境界でより多くのコンテンツをキャプチャして予測する。 したがって、既存のメソッドの古典的なエンコーダ・デコーダパイプラインは、拡張された未知のコンテンツを正確に予測することはできない。 本稿では,Siamese Expansion Network (SiENet) と呼ばれる,画像外挿のための2段階逆解析モデルを提案する。 2つの段階において、適応充填畳み込み(adaptive fill convolution)と呼ばれる新しい境界感度畳み込みは、エンコーダが未知のコンテンツを予測するように設計され、デコーダの負担を軽減する。 さらに,ネットワークに事前知識を導入し,エンコーダの推論能力を強化するため,サーム逆数機構を設計し,未発見画像の特徴量に対する被覆長範囲特徴量の分布をモデル化する。 4つのデータセットの結果から,本手法は既存の最先端技術よりも優れ,現実的な結果が得られることが示された。

関連論文リスト

• High-Fidelity Image Inpainting with GAN Inversion [23.49170140410603]
  本稿では,InvertFillと呼ばれる画像インペイントのための新しいGANインバージョンモデルを提案する。 エンコーダ内では、事前変調ネットワークがマルチスケール構造を利用して、より差別的なセマンティクスをスタイルベクトルにエンコードする。 忠実でフォトリアリスティックなイメージを再構築するために、シンプルだが効果的なSoft-update Mean Latentモジュールは、大規模な腐敗のために高忠実なテクスチャを合成する、より多様なドメイン内パターンをキャプチャするように設計されている。
  論文  参考訳（メタデータ） (2022-08-25T03:39:24Z)
• Outpainting by Queries [23.626012684754965]
  我々は、textbfQuery textbfOutpainting textbfTRansformer (textbfQueryOTR) という、新しいハイブリッドビジョントランスフォーマーベースのエンコーダデコーダフレームワークを提案する。 我々は、QueryOTRが、最先端画像よりもスムーズかつ現実的に、視覚的に魅力的な結果を生成できることを実験的に示した。
  論文  参考訳（メタデータ） (2022-07-12T04:48:41Z)
• Interactive Image Inpainting Using Semantic Guidance [36.34615403590834]
  本稿では,ユーザ自身の好みや記憶によってインペイント結果のカスタマイズを可能にする,新しい画像インペイント手法を提案する。 第1段階では、新規な空間的注意機構に基づくオートエンコーダを配置して、破損した画像の再構成特徴を生成する。 第2段階では、ユーザがカスタマイズしたセマンティックマスクによって導かれる微細な塗布結果を合成するために、予め再構成された特徴を取り入れたセマンティックデコーダが採用される。
  論文  参考訳（メタデータ） (2022-01-26T05:09:42Z)
• Content-aware Warping for View Synthesis [110.54435867693203]
  本稿では,比較的大きな近傍の画素の重みを,軽量ニューラルネットワークによる文脈情報から適応的に学習するコンテンツ認識ワープを提案する。 この学習可能なワープモジュールに基づいて、2つのソースビューから新しいビューを合成するエンド・ツー・エンドの学習ベースのフレームワークを提案する。 広いベースラインと非構造的多視点データセットを有する構造的光フィールドデータセットの実験結果から,提案手法は,定量的かつ視覚的に,最先端の手法を著しく上回ることを示した。
  論文  参考訳（メタデータ） (2022-01-22T11:35:05Z)
• Crosslink-Net: Double-branch Encoder Segmentation Network via Fusing Vertical and Horizontal Convolutions [58.71117402626524]
  医用画像分割のための新しいダブルブランチエンコーダアーキテクチャを提案する。 1)正方形畳み込みカーネルによる特徴の識別をさらに改善する必要があるため,非正方形および水平畳み込みカーネルの利用を提案する。 実験では,4つのデータセット上でのモデルの有効性を検証した。
  論文  参考訳（メタデータ） (2021-07-24T02:58:32Z)
• DWDN: Deep Wiener Deconvolution Network for Non-Blind Image Deblurring [66.91879314310842]
  本稿では,古典的なWienerデコンボリューションフレームワークを学習深い特徴と統合することにより,特徴空間における明示的なデコンボリューションプロセスを提案する。 マルチスケールのカスケード機能改善モジュールは、分離された深い特徴から退色画像を予測する。 提案したDeep Wienerデコンボリューションネットワークは,目に見える成果物が少なく,かつ,最先端の非盲点画像デコンボリューション手法を広いマージンで定量的に上回っていることを示す。
  論文  参考訳（メタデータ） (2021-03-18T00:38:11Z)
• Free-Form Image Inpainting via Contrastive Attention Network [64.05544199212831]
  画像の塗装作業では、複雑なパターンを形成する画像のどこにでも、どんな形でもマスクが現れる。 エンコーダはこの複雑な状況下でこのような強力な表現を捕捉することは困難である。 本稿では,ロバスト性と一般化性を改善するための自己教師型シームズ推論ネットワークを提案する。
  論文  参考訳（メタデータ） (2020-10-29T14:46:05Z)
• Towards Coding for Human and Machine Vision: A Scalable Image Coding Approach [104.02201472370801]
  圧縮モデルと生成モデルの両方を活用することにより,新しい画像符号化フレームワークを考案した。 高度な生成モデルを導入することで、コンパクトな特徴表現と参照画素から画像を再構成するフレキシブルネットワークを訓練する。 実験により、人間の視覚的品質と顔のランドマーク検出の両方において、我々の枠組みが優れていることが示された。
  論文  参考訳（メタデータ） (2020-01-09T10:37:17Z)
• Very Long Natural Scenery Image Prediction by Outpainting [96.8509015981031]
  アウトペイントには2つの課題があるため、あまり注意を払わない。 第一の課題は、生成された画像と元の入力の間の空間的および内容的整合性を維持する方法である。 第2の課題は、生成した結果の高品質を維持する方法です。
  論文  参考訳（メタデータ） (2019-12-29T16:29:01Z)

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。