抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
新しい代替案は,画像分類とコンピュータビジョン技術を用いて任意の画像を修復するために深層学習を用いることである。一般に,画像修復は,写真または油/アクリル塗装である任意の破壊画像を再構成または再構成するタスクである。人工知能の分野の進歩により,このトピックスはAI enthusiastの間で普及している。このアプローチにより,従来のアプリケーションベース手法の代わりに完全マシン学習アプローチを用いた画像修復のための初期エンドツーエンドパイプラインを提案した。まず,画像から取り除くことを望んでいるオブジェクトを自動的に同定し,局所化するためにYOLOモデルを使用した。モデルから得た結果を用いて,同じようにマスクを生成することができた。これの後,著者らは,マスクされた画像とオリジナル画像をGANモデルに提供して,それは,この領域に充填するために,文脈的注意方法を使用した。それは,2つの発電機ネットワークと2つの識別子ネットワークから成り,また,粗いネットワーク構造と呼ばれる。2つの発電機は,完全に畳み込みネットワークを使用するが,一方,グローバル識別器は入力として全体の画像を保持し,一方,局所識別器は入力として充填領域の把持を得る。文脈的注意機構を提案し,欠測画素を再構成するための遠隔空間位置から隣接情報を効率良く借り出した。実装の第三部は,SRGANを用いて,元のサイズに修復された画像を解決した。本研究は,Gate Convolution and Generative Image Inpainting of Contextual Informationによる論文フリーフォーム画像修復に触発された。【JST・京大機械翻訳】