新しいGSIP：GANベースの精子インスパイア型ピクセル補完による堅牢なエネルギー画像再構成

欠損ピクセルの補完は画像処理において重要なタスクであり、高い割合の欠損ピクセルの存在は、画像セグメンテーションや物体検出などの下流タスクの性能を著しく低下させる可能性があります。本論文では、生成敵対ネットワーク（GAN）に基づく欠損ピクセルの補完に関する新しいアプローチを紹介します。欠損データを再構成するために使用されるピクセルの選択を最適化するために、アイデンティティモジュールと精子の運動性にインスパイアされたヒューリスティックを取り入れた新しいGANアーキテクチャを提案します。この知的な精子運動性ヒューリスティックは、画像のピクセル空間をナビゲートし、正確な補完のために最も影響力のある隣接ピクセルを特定します。私たちのアプローチには、以下の3つの重要な変更が含まれています：(1) 消失勾配問題を緩和するためにGANアーキテクチャ内にアイデンティティモジュールを統合すること、(2) 欠損ピクセルの生成に最も効果的に寄与する上位10ピクセルを選択するための精子運動性に基づくメタヒューリスティックアルゴリズムの導入、(3) 識別器の実際の値と選択されたピクセルの重み付け平均との間の適応間隔メカニズムを実装し、ジェネレーターの効率を向上させ、補完されたピクセルが周囲の画像コンテキストと一貫性を持つようにすることです。提案された手法をエネルギー画像、NREL太陽画像、NREL風力タービンデータセットの3つの異なるデータセットで評価し、補完プロセス中のピクセルの完全性を維持する上での優れた性能を実証しました。私たちの実験は、さまざまなGANアーキテクチャにおけるモード崩壊や消失勾配など、GANに関する日常的な課題に対処する手法の効果を確認しています。