DFNet:用于图像完成的深度融合网络-ACMMM 2019

上传者: 42132325 | 上传时间: 2022-04-15 21:35:07 | 文件大小: 3.16MB | 文件类型: ZIP
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近平滑过渡。 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

文件下载

资源详情

[{"title":"( 27 个子文件 3.16MB ) DFNet:用于图像完成的深度融合网络-ACMMM 2019","children":[{"title":"DFNet-master","children":[{"title":"loss.py <span style='color:#111;'> 4.79KB </span>","children":null,"spread":false},{"title":"config.yaml <span style='color:#111;'> 577B </span>","children":null,"spread":false},{"title":"utils.py <span style='color:#111;'> 3.10KB </span>","children":null,"spread":false},{"title":"model","children":[{"title":".gitignore <span style='color:#111;'> 0B </span>","children":null,"spread":false}],"spread":true},{"title":"test.py <span style='color:#111;'> 8.89KB </span>","children":null,"spread":false},{"title":"imgs","children":[{"title":"fusion-block.jpg <span style='color:#111;'> 302.22KB </span>","children":null,"spread":false},{"title":"github_teaser.jpg <span style='color:#111;'> 792.68KB </span>","children":null,"spread":false}],"spread":true},{"title":"samples","children":[{"title":"places2","children":[{"title":"img","children":[{"title":"img_01.png <span style='color:#111;'> 376.21KB </span>","children":null,"spread":false},{"title":"img_02.png <span style='color:#111;'> 541.37KB </span>","children":null,"spread":false},{"title":"img_03.png <span style='color:#111;'> 402.98KB </span>","children":null,"spread":false},{"title":"img_04.png <span style='color:#111;'> 491.50KB </span>","children":null,"spread":false}],"spread":true},{"title":"mask","children":[{"title":"mask_04.png <span style='color:#111;'> 11.56KB </span>","children":null,"spread":false},{"title":"mask_03.png <span style='color:#111;'> 12.88KB </span>","children":null,"spread":false},{"title":"mask_01.png <span style='color:#111;'> 11.22KB </span>","children":null,"spread":false},{"title":"mask_02.png <span style='color:#111;'> 10.92KB </span>","children":null,"spread":false}],"spread":true}],"spread":true},{"title":"celeba","children":[{"title":"img","children":[{"title":"img_01.png <span style='color:#111;'> 84.49KB </span>","children":null,"spread":false},{"title":"img_02.png <span style='color:#111;'> 86.92KB </span>","children":null,"spread":false},{"title":"img_03.png <span style='color:#111;'> 105.67KB </span>","children":null,"spread":false},{"title":"img_04.png <span style='color:#111;'> 90.43KB </span>","children":null,"spread":false}],"spread":true},{"title":"mask","children":[{"title":"mask_04.png <span style='color:#111;'> 4.38KB </span>","children":null,"spread":false},{"title":"mask_03.png <span style='color:#111;'> 4.52KB </span>","children":null,"spread":false},{"title":"mask_01.png <span style='color:#111;'> 3.89KB </span>","children":null,"spread":false},{"title":"mask_02.png <span style='color:#111;'> 5.11KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}],"spread":true},{"title":"model.py <span style='color:#111;'> 7.84KB </span>","children":null,"spread":false},{"title":"LICENSE.md <span style='color:#111;'> 17.28KB </span>","children":null,"spread":false},{"title":".gitignore <span style='color:#111;'> 35B </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 3.30KB </span>","children":null,"spread":false}],"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明