文献

J-GLOBAL ID：202102224104350196   整理番号：21A2981992

マルチスケールニューラルネットワークとシフトネットを用いた画像修復【JST・京大機械翻訳】

Image Inpainting Using Multi-Scale Neural Network and Shift-Net

著者 (2件)： Lie Yang (Texas A&M University-Corpus Christi,Department of Computing Sicences,Corpus Christi,TX,USA,78412) ,  Li Longzhuang (Texas A&M University-Corpus Christi,Department of Computing Sicences,Corpus Christi,TX,USA,78412)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICISCE  ページ： 704-709  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 画像修復は,与えられたマスクまたは欠測面積で画像を修復し,元の画像に似た現実的な偽画像を生成する。Generative Adversarial Network(GANs)と深い畳み込みニューラルネットワーク(CNNs)による方法は,視覚的に妥当な結果を作り出すために大きな性能を達成した。しかし,それらの結果は,回復領域と不快な境界に関するぼやけ問題がまだある。これらの問題に基づいて,本論文では,画像修復に関するより良い結果を生成するために,二相ニューラルネットワーク法を提案した。提案方法は,一次画像を生成する最初の位相としてシフト-Net[1]を採用し,さらに詳細なテクスチャ復元のために精密化ネットワーク(第2相)に供給する。このモデルは,高分解能画像を生成する訓練安定性と性能を確保するために,改良Wasserstein GAN(WGAN-GP)を採用する。実験により,提案モデルは明確で現実的な妥当な顔画像を生成することを示した。PSNRとSSIM計量の両方に関する最先端の方法との比較を通して,提案方法は,欠測領域に関する特徴情報を回復する上でより良い性能を有した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 視覚 ,  *ネットワーク ,  *ニューラルネットワーク ,  位相 ,  精密化 ,  *画像復元 ,  顔画像
準シソーラス用語： ピーク信号対雑音比 ,  高精細画像 ,  *マルチスケール ,  欠測 ,  構造的類似性 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： シフト ,  ネット ,  画像修復