Salīdzinošā analīze attēlu aizpildīšanas uzdevumam, izmantojot GAN neironu tīklus

Abstract

Aizpildīšanas algoritmi tiek izmantoti attēlu apstrādē, lai labotu attēlu bojātās vai trūkstošās krāsojuma daļas. Šajā darbā tika salīdzināti trīs dziļās mašīnmācīšanās modeļi trūkstošo reģionu aizpildīšanai. Tika sniegti kvalitatīvs salīdzinājums, kvantitatīvi rezultāti un lietotāja izpēte DeepFill v2, CoModGAN un LaMa attēlu izpildīšanas algoritmiem. Tiek izmantotas Places2 un CelebA-HQ datu kopas, lai norādītu vairākas problēmas ar kurām sastopas attēlu atjaunošanā.

Image inpainting algorithms are used in image processing to repair damaged or missing parts of the image. In this work, three modern inpainting models are compared for missing regions. Quantitative results, qualitative comparisons, and user studies are provided for DeepFill v2, CoModGAN, and LaMa algorithms. The Places2 and CelebA-HQ datasets are used to indicate a number of problems encountered in image recovery.