CVPR 2020 论文大盘点-图像修复 Inpainting 篇

论文速递 黑人 ⋅ 于 7个月前 ⋅ 4044 阅读

本文继 去雨去雾去模糊篇 和 图像增强与图像恢复篇 之后,继续盘点CVPR 2020 中低层图像处理技术,本篇聚焦于图像修复(Image Inpainting)。


示例如下图:

file

上图中被污损的图像(左)被修复为图像(中),右图为参考图像。修复时污损的mask是给定的。

该技术可用于修复老照片或者网络易丢包的图像传输等。因为其化腐朽为神奇的能力,经常见诸报端。

CVPR 2020 有 7 篇相关文献,技术上,因为GAN强大的图像生成能力被广泛使用。同时图像修复不再局限于2D图像,最有意思的是弗吉尼亚理工学院等发明的 3D Photography Using Context-Aware Layered Depth Inpainting 其对老照片在深度信息上进行修复,把定格的世界激活了!

华为提出的超高分辨率的图像修复方法 Contextual Residual Aggregation for Ultra High-Resolution Image Inpainting 也非常吸引人,代码还开源了。

香港城市大学、微软等复活老照片的方法 Bringing Old Photos Back to Life 效果也非常赞。强烈推荐全屏看看视频结果。

图像修复也不是一套算法能通吃的,在特定领域还需要有特殊的考虑。特别值得一提的复旦大学发表的 Assessing Eye Aesthetics for Automatic Multi-Reference Eye In-Painting 论文,在眼部inpainting问题中引入美学评价,使修复结果更自然更具吸引力。

已经开源或者即将开源的论文,把代码地址也附上了。

大家可以在:

http://openaccess.thecvf.com/CVPR2020.py

按照题目下载这些论文。



基于无监督跨空间转换的多样化图像修复

[1].UCTGAN: Diverse Image Inpainting Based on Unsupervised Cross-Space Translation

作者 | Lei Zhao, Qihang Mo, Sihuan Lin, Zhizhong Wang, Zhiwen Zuo, Haibo Chen, Wei Xing, Dongming Lu

单位 | 浙江大学

file

用于超高分辨率图像修复的上下文残差聚合

[2].Contextual Residual Aggregation for Ultra High-Resolution Image Inpainting

作者 | Zili Yi, Qiang Tang, Shekoofeh Azizi, Daesik Jang, Zhan Xu

单位 | 华为技术有限公司(加拿大)

代码 | https://github.com/Ascend-Huawei/Ascend-Canada/tree/master/Models/Research\_HiFIll\_Model

备注 | CVPR 2020 Oral 


用于超高分辨率图像修复的上下文残差聚合(视频)

https://v.qq.com/x/page/w3108l9i38a.html

图像修复的递归特征推理

[3].Recurrent Feature Reasoning for Image Inpainting

作者 | Jingyuan Li, Ning Wang, Lefei Zhang, Bo Du, Dacheng Tao

单位 | 武汉大学;悉尼大学

代码 | https://github.com/jingyuanli001/RFR-Inpainting

file


恢复深度信息,让老照片3D动起来

[4].3D Photography Using Context-Aware Layered Depth Inpainting

作者 | Meng-Li Shih, Shih-Yang Su, Johannes Kopf, Jia-Bin Huang

单位 | 弗吉尼亚理工学院暨州立大学;清华大学(新竹);Facebook

代码 | https://github.com/vt-vl-lab/3d-photo-inpainting.git

主页 | https://shihmengli.github.io/3D-Photo-Inpainting/

file

老照片也能有 3D 效果!

基于GAN的语义修复

[5].Prior Guided GAN Based Semantic Inpainting

作者 | Avisek Lahiri, Arnav Kumar Jain, Sanskar Agrawal, Pabitra Mitra, Prabir Kumar Biswas

单位 | 印度理工学院;微软

file


[6].Bringing Old Photos Back to Life

作者 | Ziyu Wan, Bo Zhang, Dongdong Chen, Pan Zhang, Dong Chen, Jing Liao, Fang Wen

单位 | 香港城市大学;微软亚洲研究院;Microsoft Cloud + AI;中国科学技术大学

主页 | http://raywzy.com/Old\_Photo/

修复效果:

file

眼睛是心灵的窗口,也是面部最具吸引力的部位,该文提出一种针对眼部inpaint任务的眼部美学评估方法,在其引导下可以生成更加自然更具吸引力的眼部inpaint结果,超越商业软件Adobe Photoshop Elements的效果。

[7].Assessing Eye Aesthetics for Automatic Multi-Reference Eye In-Painting

作者 | Bo Yan, Qing Lin, Weimin Tan, Shili Zhou

单位 | 复旦大学

file


推荐阅读:

CVPR 2020 论文大盘点-实例分割篇



文章来源:我爱计算机视觉@微信公众号

黑人

成为第一个点赞的人吧 :bowtie:
回复数量: 0
暂无回复~
您需要登陆以后才能留下评论!