?авторское право: Эта статья изначально была создана [Morocracy AI], перепечатка запрещена, спасибо за просмотр
❤️ Если статья была вам полезна,Добро пожаловать в один клик
❤️ Если статья была вам полезна,Добро пожаловать, чтобы обратить внимание на общедоступную учетную запись с тем же именем {Mo Li AI} и обновлять передовые галантерейные товары каждую неделю;
Image inpainting based on deep learning - A review
Основная информация
- Image inpainting based on deep learning: A review
- Раскрашивание изображений на основе глубокого обучения: обзор
- Этот пост в блоге представляет собой сжатую выдержку из статьи
Резюме
Закрашивание изображения направлено на восстановление пиксельных характеристик поврежденных частей в неполных изображениях и играет ключевую роль во многих приложениях компьютерного зрения. Технология рисования изображений, основанная на глубоком обучении, в настоящее время является основным направлением исследований.Чтобы глубоко понять связанные методы и технологии рисования изображений на основе глубокого обучения, в этой статье разбираются и обобщаются последние исследования в этой области. Во-первых, обобщаются различные типы методов восстановления структуры нейронной сети, основанные на глубоком обучении, а затем анализируются и изучаются важные механизмы технического улучшения. В этой статье различные алгоритмы всесторонне рассмотрены с точки зрения типов сетевой структуры моделей и методов рисования, а некоторые репрезентативные методы рисования изображений выбраны для сравнения и анализа. Наконец, обобщаются текущие проблемы восстановления изображений, а также прогнозируются будущие тенденции развития и направления исследований.
1. Introduction
Eight common image inpainting applications
2. Related works
Общий итог работы
2.1. Image inpainting tasks
2.2. Traditional image inpainting
2.3. Image inpainting based on generative network
3. Image inpainting methods based on deep learning
С точки зрения структуры сети ее можно разделить на три категории.
-
3.1. Single-stage inpainting
3.1.1. Single result inpainting 3.1.2. Pluralistic inpainting approaches -
3.2. Progressive image inpainting
3.2.1. Low-resolution image inpainting 3.2.2. High-resolution image inpainting -
3.3. Inpainting based on prior knowledge
3.3.1. Contour edge guided image inpainting 3.3.2. Generative prior guided image inpainting
4. Image inpainting datasets
NVIDIA Irregular Mask Dataset
Шесть текущих классических наборов данных для рисования изображений
5. Discussion and analysis
Сравнивая и суммируя вышеперечисленные различные типы представителей методы рисования изображения, мы можем найти:
Эта часть в основном обобщает и анализирует метод рисования изображения в третьей части.
6. Conclusions
At present, image inpainting technology has become an important branch in field of vision research. Deep learning image inpainting based on generation network gradually become mainstream method. Researchers have continuously innovated and made great progress in generation model selection, network structure design, introduction of prior guidance, discriminator optimization, loss function optimization, etc.
However, the following problems still need to be solved urgently:
- 4 Восстановление изображения видеопотока, текущие методы восстановления изображений на основе глубокого обучения выигрывают от хорошей способности извлечения пространственных признаков сверточных нейронных сетей, и большинство из них используют глубокие сверточные нейронные сети для построения сетевых слоев. Рекуррентные нейронные сети могут извлекать семантическую информацию из данных на уровне функций временных рядов и имеют хорошие приложения в области обработки речи и естественного языка. Как эффективно объединить эти две нейронные сети для работы с изображением визуального потока, будет очень значимым направлением исследований.