摘要：
# random_bbox 确定mask=0的位置和大小参数：[t, l, h, w ] 1 bboxes = random_bbox(config, batch_size=ground_truth.size(0)) # 随机确定128*128的方形区域 2 def random_bbox(conf 阅读全文
posted @ 2021-03-28 19:42
临近边缘
阅读(129)
评论(0)
推荐(0)
摘要：
# config 1 # data parameters 2 dataset_name: paris 3 data_with_subfolder: False # 是否有子文件夹 4 train_data_path: F:\\pycharm\\Dataset\\paris\\paris_eval_g 阅读全文
posted @ 2021-03-27 21:44
临近边缘
阅读(79)
评论(0)
推荐(0)
摘要：
Coherent Semantic Attention for Image Inpainting pytorch 引言 PatchMatch其一 PatchMatch其二 PatchMatch其三 PatchMatch其四 存在问题：现存基于学习的图像修复算法生成的内容带有模糊的纹理和扭曲的结构，这 阅读全文
posted @ 2020-12-01 18:51
临近边缘
阅读(558)
评论(0)
推荐(0)
摘要：
Contextual-based Image Inpainting: Infer, Match, and Translate Pytorch 引言 PatchMatch其一 PatchMatch其二 PatchMatch其三 PatchMatch其四 设计了一个基于深度学习的修复系统，可以在图片缺失 阅读全文
posted @ 2020-11-30 21:13
临近边缘
阅读(374)
评论(0)
推荐(0)
摘要：
Image-to-Image Translation with Conditional Adversarial Networks 引言 引入CGAN，提出PatchGAN 阅读全文
posted @ 2020-11-30 21:00
临近边缘
阅读(281)
评论(0)
推荐(0)
摘要：
Shift-Net: Image Inpainting via Deep Feature Rearrangement Pytorch 引言 PatchMatch其一 PatchMatch其二 PatchMatch其三 PatchMatch其四 存在问题：传统的基于PatchMatch，无法捕获图像的 阅读全文
posted @ 2020-11-30 20:52
临近边缘
阅读(1311)
评论(0)
推荐(0)
摘要：
Paper Pytorch 引言： PatchMatch其一 PatchMatch其二 PatchMatch其三 PatchMatch其四 之前的基于深度学习的图像修复方法展现了很大的潜力，这些方法都能生成看似合理的图像结构及纹理，但在修复区域的边界，经常会生成扭曲的结构和模糊的图像，这是因为卷积神 阅读全文
posted @ 2020-11-30 17:30
临近边缘
阅读(857)
评论(0)
推荐(0)
摘要：
引言 语义分割得到边缘信息指导修复其三 存在问题：现在的图像修复方法主要的通过周围像素来修复，当修复区域与前景区域（显著物体）有交叠时，由于修复区域缺失前景与背景的时间内容导致修复结果不理想。 提出方法：a foreground-aware image inpainting system，可明确区分 阅读全文
posted @ 2020-11-30 16:33
临近边缘
阅读(678)
评论(0)
推荐(0)
摘要：
论文 pytorch 引言 语义分割获取边缘信息指导修复其二 存在的问题：之前方法能够生成具有有意义结构的缺失区域，但生成的区域往往模糊或边缘部分存在伪影。 提出问题：提出了一个两阶段的模型，将inpaint问题分为结构预测和图像补全。与素描图相似，我们的模型首先以边缘映射的形式预测缺失区域的图像结 阅读全文
posted @ 2020-11-30 16:24
临近边缘
阅读(990)
评论(0)
推荐(0)
摘要：
SPG-Net: Segmentation Prediction and Guidance Network for Image Inpainting pytorch 引言 利用语义分割获取空洞的边缘信息，进而指导修复其一 （挖个坑）deeplab系列 存在的问题：现有的基于生成模型的方法并没有利用分 阅读全文
posted @ 2020-11-30 16:04
临近边缘
阅读(907)
评论(0)
推荐(0)
浙公网安备 33010602011771号