LaMa图像修复：基于傅里叶卷积的分辨率鲁棒大掩模修复

关注涛涛CV，设置星标，更新不错过

-------------------------------------

   现代图像修复系统尽管取得了长足的进步，但往往难以处理大面积的缺失区域、复杂的几何结构和高分辨率图像。我们发现其中一个主要原因是修复网络和损失函数中都缺乏有效感受野。为了缓解这个问题，我们提出了一种新的方法，称为大掩模修复（LaMa）。

LaMa是基于：

一种新的修复网络结构，使用快速傅立叶卷积，具有图像宽接收域

高感受野感知损失；

较大的训练掩码，可以释放前两个组件的潜力。

修复网络在一系列数据集上改进了 SOTA 技术，即使在具有挑战性的情况下也能实现优异的性能。该模型还可以很好地泛化到比训练时更高的分辨率图像，以较低的参数量和计算成本实现与基准相媲美的性能。

Positive examples

Distortions, Bokeh, Perspective

Domain transfer examples

代码：https://github.com/saic-mdal/lama

论文：https://arxiv.org/abs/2109.07161

-------------------------------------

笔记：

《智能革命》《人工智能》《AI•未来》《好好赚钱》《韭菜的自我修养》读书笔记

行业： 

服务机器人公司，机器视觉公司，自动驾驶公司，ADAS公司总结， 

SLAM：

Vslam方案+源码，语义SLAM与深度相机，SLAM和导航避障，视觉SLAM总结

秦学英《三维物体的识别与跟踪》，章国锋《视觉SLAM》，申抒含《基于图像的三维建模》，姜翰青《RGB -D SLAM》记录笔记

视觉SLAM的建图课件3，课件2，课件1

总结：

10年机器视觉网站，5年人工智能网站，

2019经历总结，2018视觉总结

机器视觉：

机器视觉基本概念笔记，记录五，记录四，记录三，记录二，记录一

双目视觉和激光传感器对目标物体的三维重建技术

图像处理：

图像处理基本概念笔记，记录八，记录七，记录六 ，记录五，记录四 ，记录三，记录二 ，记录二，记录一

欢迎支持，点击在看，分享