图像缺损修复研究旨在通过计算机自动修复图像中的缺损内容。近年来,深度神经网络技术的出现有效 促进了相关研究的发展。本文针对该类研究进行了系统梳理和综合介绍。依据网络架构类型,具体将方法分为五 类:Context-Encoder 类、U-Net 类、CGAN 类、DCGAN 类以及 StackGAN 类。我们具体分析了每类方法的思路、 特点、优势和缺陷,并基于系统性实验,在公开大规模数据集上客观对比评价每一类方法的精度和性能。最后对 目前相关工作中存在的问题和挑战进行了阐述和介绍。

http://cjc.ict.ac.cn/online/onlinepaper/10-lyl-y-20211216161625.pdf

成为VIP会员查看完整内容
0
15

相关内容

图像修复(英语:Inpainting)指重建的图像和视频中丢失或损坏的部分的过程。例如在博物馆中,这项工作常由经验丰富的博物馆管理员或者艺术品修复师来进行。数码世界中,图像修复又称图像插值或视频插值,指利用复杂的算法来替换已丢失、损坏的图像数据,主要替换一些小区域和瑕疵。

文本风格迁移是近年来自然语言处理领域的热点问题之一,旨在保留文本内容的基础上通过编辑或生成的方式更改文本的特定风格或属性(如情感、时态和性别等).文章旨在梳理已有的技术,以推进该方向的研究.首先,给出文本风格迁移问题的定义及其面临的挑战;然后,对已有方法进行分类综述,重点介绍基于无监督学习的文本风格迁移方法并将其进一步分为隐式和显式两类方法,对各类方法在实现机制、优势、局限性和性能等方面进行分析和比较;同时,还通过实验比较了几种代表性方法在风格迁移准确率、文本内容保留和困惑度等自动化评价指标上的性能;最后,对文本风格迁移研究进行总结和展望.

http://www.jos.org.cn/jos/article/abstract/6544

成为VIP会员查看完整内容
0
17

软件缺陷是软件开发和维护过程中不可避免的.随着现代软件规模的不断变大,软件缺陷的数量以及修复难度随之增加,为企业带来了巨大的经济损失.修复软件缺陷,成为了开发人员维护软件质量的重大负担.软件缺陷自动修复技术有希望将开发者从繁重的调试中解脱出来,近年来成为热门的研究领域之一.搜集了94篇该领域最新的高水平论文,进行了详细的分析和总结.基于缺陷修复技术在补丁生成阶段所使用的技术手段不同,系统性地将软件自动修复技术分为4大类,分别是基于启发式搜索、基于人工模板、基于语义约束和基于统计分析的修复技术.特殊地,根据对近几年最新研究的总结,首次提出了基于统计分析的技术分类,对已有分类进行了补充和完善.随后,基于对已有研究的分析,总结了该领域研究所面临的关键挑战及对未来研究的启示.最后,对缺陷修复领域常用的基准数据集和开源工具进行了总结.

成为VIP会员查看完整内容
0
10

医学影像分割是计算机辅助诊断中的一项基础且关键的任务,目的在于从像素级别准确识别出目标器官、组织或病变区域。不同于自然场景下的图像,医学影像往往纹理复杂,同时受限于成像技术和成像设备,医学影像噪声大,边界模糊而不易判断。除此之外,对医学影像进行标注极大依赖于医疗专家的认知和经验,因此可用于训练中的标注数据少且存在标注误差。由于上述的医学影像边缘模糊不清、训练数据较少和标注误差较大等特点,基于传统图像分割算法搭建的辅助诊断系统难以满足临床应用的要求。近年来随着卷积神经网络(CNN)在计算机视觉和自然语言处理领域的广泛应用,基于深度学习的医学影像分割算法取得了极大的成功。首先概述了近几年基于深度学习的医学影像分割的研究进展,包括这些医学影像分割算法的基本结构、目标函数和优化方法。随后针对医学影像标注数据有限的问题,对目前半监督条件下医学影像分割的主流工作进行了整理归纳和分析。此外,还介绍了针对标注误差进行不确定度分析的相关工作。最后,总结分析了深度学习医学影像分割的特点并展望了未来的研究趋势。

http://www.joca.cn/CN/abstract/abstract24596.shtml

成为VIP会员查看完整内容
0
20

显著性目标检测旨在对图像中最显著的对象进行检测和分割,是计算机视觉任务中重要的预处理步骤之一,且在信息检索、公共安全等领域均有广泛的应用.本文对近期基于深度学习的显著性目标检测模型进行了系统综述,从检测粒度的角度出发,综述了将深度学习引入显著性目标检测领域之后的研究成果.首先,从三个方面对显著性目标检测方法进行了论述:稀疏检测方法,密集检测方法以及弱监督学习下的显著性目标检测方法.然后,简要介绍了用于显著性目标检测研究的主流数据集和常用性能评价指标,并对各类主流模型在三个使用最广泛的数据集上进行了性能比较分析.最后,本文分析了显著性目标检测领域目前存在的问题,并对今后可能的研究趋势进行了展望.

成为VIP会员查看完整内容
0
14

精准地预判网络流量变化趋势可以帮助运营商准确预估网络的使用情况,合理分配并高效利用网络资源,以满足日益增长且多样化的用户需求。以深度学习算法在网络流量预测领域的进展为线索,阐述了网络流量预测的评价指标和目前公开的网络流量数据集及应用,具体分析了网络流量预测中常用的深度信念网络、卷积神经网络、循环神经网络和长短时记忆网络共四种深度学习方法,并重点介绍了近年来针对不同问题所提出的改进神经网络模型,总结了各模型特点及应用场景。最后对网络流量预测未来发展进行了展望。

http://cea.ceaj.org/CN/abstract/abstract39601.shtml

成为VIP会员查看完整内容
0
28

行人检测技术在智能交通系统,智能安防监控等领域表现出了极高的应用价值,已经成为计算机视觉领域的重要研究方向之一。得益于深度学习的飞速发展,基于深度卷积神经网络的通用目标检测模型被不断扩展应用到行人检测领域,并取得了良好的性能。但是由于行人目标内在的特殊性、复杂性,特别是考虑到复杂场景下的行人遮挡、尺度变化等问题,深度学习方法也面临着严峻的挑战。本文针对上述问题,以基于深度学习的行人检测技术为研究对象,在充分调研文献的基础上,分别从基于锚点框、基于无锚点框以及通用技术改进(例如损失函数,非极大值抑制等)三个角度,对各类行人检测算法进行细分,并选取具有代表性的方法进行详细介绍和对比分析。此外,本文对行人检测的通用数据集进行了详细的介绍,对该领域先进算法的性能进行了对比分析,对行人检测中待解决的问题与未来的研究方向做出预测和展望。

http://www.cjig.cn/jig/ch/reader/view_abstract.aspx?flag=2&file_no=202012230000001&journal_id=jig

成为VIP会员查看完整内容
0
35

许多自然场景图像中都包含着丰富的文本,他们对于场景理解有着重要的作用。随着移动互联网技术的飞速发展,许多新的应用场景都需要利用这些文本信息,例如招牌识别和自动驾驶等。因此,自然场景文本的分析与处理也越来越成为计算机视觉领域的研究热点之一,该任务主要包括文本检测与识别。传统的文本检测和识别方法依赖于人工设计的特征和规则,且模型设计复杂、效率低、泛化性能差。近年来随着深度学习的发展,自然场景文本检测、自然场景文本识别以及端到端的自然场景文本检测与识别都取得了突破性的进展,其性能和效率都得到了显著提高。本文介绍了该领域相关的研究背景,对近几年基于深度学习的自然场景文本检测、识别以及端到端自然场景文本检测与识别的方法进行整理分类、归纳和总结,阐述了各类方法的基本思想和优缺点。并针对隶属于不同类别下的方法,进一步论述和分析这些主要模型的算法流程、适用场景和他们的技术发展路线。此外还列举说明了一些主流公开数据集,并对比了各个模型方法在代表性数据集上的性能情况。最后本文总结了目前不同场景数据下的自然场景文本检测、识别以及端到端自然场景文本检测与识别算法的局限性以及未来的挑战和发展趋势。

http://www.cjig.cn/jig/ch/reader/view_abstract.aspx?flag=2&file_no=202101210000003&journal_id=jig

成为VIP会员查看完整内容
0
36

摘要: 图像修复是计算机视觉领域中极具挑战性的研究课题。近年来,深度学习技术的发展推动了图像修复性能的显著提升,使得图像修复这一传统课题再次引起了学者们的广泛关注。文章致力于综述图像修复研究的关键技术。由于深度学习技术在解决“大面积缺失图像修复”问题时具有重要作用并带来了深远影响,文中在简要介绍传统图像修复方法的基础上,重点介绍了基于深度学习的修复模型,主要包括模型分类、优缺点对比、适用范围和在常用数据集上的性能对比等,最后对图像修复潜在的研究方向和发展动态进行了分析和展望。

http://www.jsjkx.com/CN/10.11896/jsjkx.210100048

成为VIP会员查看完整内容
0
38

摘要: 图像补全是图像处理的一个研究领域,为有物体遮挡以及图像关键部分缺失状况下的图像识别提供了解决方案,应用领域非常广泛,受到了人们的关注。经深度学习方法补全的图像具有更高的图像分辨率和可靠性,逐渐成为图像补全的主流方法之一。文中针对图像补全领域的主要问题,介绍了相关深度学习方法的基本原理和经典算法,系统而渐进地剖析了2010年以来有代表性的图像补全方法,探讨了基于深度学习的图像补全在不同领域的具体应用,并列举了该研究领域目前面临的几个问题。

http://www.jsjkx.com/CN/10.11896/jsjkx.200600009

成为VIP会员查看完整内容
0
32

我们生活在一个由大量不同模态内容构建而成的多媒体世界中,不同模态信息之间具有高度的相关性和互补性,多模态表征学习的主要目的就是挖掘出不同模态之间的共性和特性,产生出可以表示多模态信息的隐含向量.该文章主要介绍了目前应用较广的视觉语言表征的相应研究工作,包括传统的基于相似性模型的研究方法和目前主流的基于语言模型的预训练的方法.目前比较好的思路和解决方案是将视觉特征语义化然后与文本特征通过一个强大的特征抽取器产生出表征,其中Transformer[1]作为主要的特征抽取器被应用表征学习的各类任务中.文章分别从研究背景、不同研究方法的划分、测评方法、未来发展趋势等几个不同角度进行阐述.

http://www.jos.org.cn/jos/ch/reader/view_abstract.aspx?file_no=6125&flag=1

成为VIP会员查看完整内容
0
103
小贴士
相关VIP内容
专知会员服务
17+阅读 · 1月1日
专知会员服务
10+阅读 · 2021年9月21日
专知会员服务
20+阅读 · 2021年8月28日
专知会员服务
14+阅读 · 2021年8月27日
专知会员服务
28+阅读 · 2021年5月30日
专知会员服务
35+阅读 · 2021年4月14日
专知会员服务
36+阅读 · 2021年3月19日
专知会员服务
38+阅读 · 2021年3月9日
专知会员服务
32+阅读 · 2020年12月4日
专知会员服务
103+阅读 · 2020年12月3日
相关资讯
图像修复研究进展综述
专知
6+阅读 · 2021年3月9日
基于深度学习的数据融合方法研究综述
专知
9+阅读 · 2020年12月10日
小目标检测技术研究综述
专知
4+阅读 · 2020年12月7日
多模态视觉语言表征学习研究综述
专知
12+阅读 · 2020年12月3日
时空序列预测方法综述
专知
10+阅读 · 2020年10月19日
基于深度学习的单目深度估计综述
CVer
4+阅读 · 2020年10月6日
基于知识图谱的推荐系统研究综述
专知
3+阅读 · 2020年8月10日
实体关系抽取方法研究综述
专知
7+阅读 · 2020年7月19日
【综述】基于知识图谱的推荐系统综述
AINLP
7+阅读 · 2020年7月7日
相关论文
Chaoyi Chen,Qing Xu,Mengchi Cai,Jiawei Wang,Jianqiang Wang,Biao Xu,Keqiang Li
0+阅读 · 1月16日
Yi Shi,Yalin E. Sagduyu
0+阅读 · 1月13日
Chenhe Dong,Yinghui Li,Haifan Gong,Miaoxin Chen,Junxin Li,Ying Shen,Min Yang
12+阅读 · 2021年12月22日
Wei Chen,Yu Liu,Weiping Wang,Erwin Bakker,Theodoros Georgiou,Paul Fieguth,Li Liu,Michael S. Lew
12+阅读 · 2021年1月27日
One-Class Classification: A Survey
Pramuditha Perera,Poojan Oza,Vishal M. Patel
6+阅读 · 2021年1月8日
Recent advances in deep learning theory
Fengxiang He,Dacheng Tao
40+阅读 · 2020年12月20日
Chunwei Tian,Lunke Fei,Wenxian Zheng,Yong Xu,Wangmeng Zuo,Chia-Wen Lin
11+阅读 · 2020年8月3日
Timothée Lacroix,Guillaume Obozinski,Nicolas Usunier
10+阅读 · 2020年4月10日
Bryan Wilder,Eric Ewing,Bistra Dilkina,Milind Tambe
6+阅读 · 2019年5月31日
Sneha Chaudhari,Gungor Polatkan,Rohan Ramanath,Varun Mithal
12+阅读 · 2019年4月5日
Top
微信扫码咨询专知VIP会员