Foreground-aware Image Inpainting ——检测轮廓边缘-辅助缺失区域进行修复

这篇论文，这里只是进行了简单记录

Foreground-aware Image Inpainting

• https://arxiv.org/pdf/1901.05945.pdf

Abstract

  现有的图像修复方法通常通过从周围像素中借用信息来填充孔。当孔与前景对象重叠或接触前景对象时，由于缺少有关孔内前景和背景区域实际范围的信息，它们通常会产生不令人满意的结果。但是，这些情况在实践中非常重要，特别是对于诸如分散物体的移除等应用。为了解决该问题，我们提出了一种前景感知的图像修复系统，该系统可明确区分（解耦）结构推断和内容完成。具体来说，我们的模型首先学习预测前景轮廓，然后使用预测轮廓作为指导来修补缺失区域。我们表明，通过这种解耦，轮廓完成模型可预测对象的合理轮廓，并进一步显着提高图像修复的性能。实验表明，在复杂成分复杂的情况下，我们的方法明显优于现有方法，并且可以获得出色的修复效果。

1. Introduction
     常规的修复方法[8、6、5、26]通常通过基于低级特征（例如RGB值的均方差或SIFT描述符）的匹配和粘贴补丁来填充丢失的像素[19]。 这些方法可以合成合理的静态纹理，但通常会在结构复杂的图像中产生严重的故障。 为了缓解该问题，已开发出不同的图像结构[11、12、24]。 例如，Huang等。 [11]明确地利用平面结构作为指导来纠正透视变形的纹理。 但是，这些方法仍依赖现

文章来源: positive.blog.csdn.net，作者：墨理学AI，版权归原作者所有，如需转载，请联系作者。

原文链接：positive.blog.csdn.net/article/details/110226318