科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着深度神经网络在计算机视觉领域的发展，图像修复方法已经取得较好的效果。现有的图像修复方法在图像内部规则区域或非规则区域小孔洞的修复表现良好，然而对于图像外围较大的连续孔洞的修复仍然很困难。为了解决这个问题，提出一种基于结构引导的图像边缘修复网络，该网络主要由结构引导模块（SG）和循环特征推理模块（RFR）构成，逐步重建结构和精致细节。循环特征推理模块是一个具有注意力机制的类似U-Net架构的网络。在循环特征推理模块前和后分别堆叠两个结构指导层，形成生成对抗网络（GAN）的生成器。在公开数据集CelebA、Places2和Paris Street View上对模型进行评估，证明该模型优于当前主流的方法。
-
单位通信与信息工程学院; 上海大学
