自然物体の再構成のためのスケッチテンソル空間の学習

本論文では、人工的なシーンのインペイント作業を研究します。画像の視覚パターン（エッジ、ライン、接合部など）を保持することの難しさから、非常に困難です。特に、従来の多くの研究は、人工的なシーンの画像における物体や建物の構造を復元することに失敗しています。この目的のために、本論文では、人工的なシーンのためのスケッチテンソル（ST）空間を学習することを提案します。このような空間は、画像内のエッジ、ライン、接合部を復元するために学習され、したがって、全体の画像構造の信頼性の高い予測を行います。構造の精緻化を促進するために、私たちは新しいエンコーダデコーダ構造を持つマルチスケールスケッチテンソルインペイント（MST）ネットワークを提案します。エンコーダは、入力画像からラインとエッジを抽出してそれらをST空間に投影します。この空間から、デコーダが入力画像を復元するように学習されます。広範な実験により、私たちのモデルの有効性が検証されました。さらに、私たちのモデルは、競合他社と比較して一般的な自然画像のインペイントでも競争力のあるパフォーマンスを達成することができます。