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。
画像修復に関する以前の研究は,背景または部分欠損オブジェクトを修復することに主に焦点を合わせ,一方,全欠損オブジェクトを修復する問題は未調査のままである。本研究では,新しい画像修復タスク,すなわち形状誘導物体修復を研究した。不完全な入力画像を考えると,目標は,穴形状により与えられたコンテキストと陰的誘導に基づく物体を生成することにより,穴に埋めることである。画像修復のための以前の方法は,主にバックグラウンド修復のために設計されるので,それらはこの作業に適していない。したがって,著者らは,オブジェクト修復タスクのために,新しいデータ作成法及び新しい文脈オブジェクト生成器(CogNet)を提案した。データサイドでは,オブジェクトインスタンスを穴として訓練データにオブジェクトを組み入れる。CogNetは,トップダウンオブジェクト生成プロセスと標準ボトムアップ画像仕上プロセスを組み合わせた2ストリームアーキテクチャを持つ。予測クラス埋込みモジュールは,ボトムアップ特徴から欠測物体のクラスを予測することによって,2つのストリームを橋渡し,そこから,セマンティックオブジェクトマップをトップダウンストリームの入力として導き出した。実験は,提案方法が視覚外観と意味の両方に関してコンテキストに適合する現実的物体を作り出すことができることを証明した。コードは,プロジェクトページurl{https://zengxianyu.github.io/objpaint}で見つけることができる。【JST・京大機械翻訳】
