文件名称：DFNet:用于图像完成的深度融合网络-ACMMM 2019
文件大小：3.16MB
文件格式：ZIP
更新时间：2024-05-22 13:13:25
deep-learning pytorch image-inpainting inpainting image-completion
深度融合网络以完成图像 介绍 深度图像完成通常无法和谐地将还原的图像融合到现有内容中，尤其是在边界区域中。 而且它常常无法完成复杂的结构。 我们首先介绍Fusion Block，用于生成灵活的alpha成分图，以组合已知区域和未知区域。 它为结构和纹理信息搭建了桥梁，因此已知区域中的信息可以自然地传播到完成区域。 使用这项技术，完井结果将在完井区域边界附*滑过渡。 此外，融合块的体系结构使我们能够应用多尺度约束。 多尺度约束在结构一致性上大大提高了DFNet的性能。 此外，易于将这种融合块和多尺度约束应用于其他现有的深度图像完成模型。 具有特征图和输入图像的融合块供稿将以与给定特征图相同的分辨率为您提供完成结果。 更多细节可以在我们的找到 融合块的插图： 相应图像的示例： 如果您发现此代码对您的研究有用，请引用： @inproceedings{Hong:2019:DFN:3
【文件预览】：
DFNet-master
----loss.py(5KB)
----config.yaml(577B)
----utils.py(3KB)
----model()
--------.gitignore(0B)
----test.py(9KB)
----imgs()
--------fusion-block.jpg(302KB)
--------github_teaser.jpg(793KB)
----samples()
--------places2()
--------celeba()
----model.py(8KB)
----LICENSE.md(17KB)
----.gitignore(35B)
----README.md(3KB)