घनी संदर्भ सुविधाओं का उपयोग करके यादृच्छिक क्षेत्रों के लिए छवि इनपेंटिंग

डीप कॉन्वोल्यूशनल न्यूरल नेटवर्क (DCNN) ने छवि इनपेंटिंग में उचित परिणाम उत्पन्न करने की अपनी क्षमता का प्रदर्शन किया है। कुछ मौजूदा विधियाँ संवेदनाओं को उत्पन्न करने के लिए कॉन्वोल्यूशन का उपयोग करती हैं, फिर पूरी तरह से जुड़े परतों के माध्यम से विशेषताओं को पास करती हैं, और अंततः गायब क्षेत्रों का पूर्वानुमान करती हैं। हालांकि अंतिम परिणाम सामर्थ्य से उचित है, लेकिन कुछ धुंधले स्थितियाँ उत्पन्न होती हैं क्योंकि मानक कॉन्वोल्यूशन का उपयोग किया जाता है, जो कारगर पिक्सल और मास्क किए गए छिद्रों में प्रतिस्थापन मूल्यों पर निर्भर करता है। इस पेपर में, हम U-Net आर्किटेक्चर के लिए घनी ब्लॉकों को पेश करते हैं, जो ग्रेडियंट गायब होने की समस्या को कम कर सकते हैं, जबकि पैरामीटर की संख्या को भी कम करते हैं। सबसे महत्वपूर्ण यह है कि यह विशेषताओं के हस्तांतरण को बढ़ा सकता है और उनका अधिक कुशलता से उपयोग कर सकता है। आर्टिफेक्ट्स जैसे रंग भिन्नता और धुंधलापन की समस्या को हल करने के लिए आंशिक कॉन्वोल्यूशन का उपयोग किया गया है। प्लेस365 डेटासेट पर प्रयोग यह दर्शाते हैं कि हमारा दृष्टिकोण यादृच्छिक क्षेत्र छवि इनपेंटिंग में अधिक विस्तृत और सामर्थ्य से उचित परिणाम उत्पन्न कर सकता है।