论文一起读 | 参考图像驱动的真实图像补全

文章预览

‍ 导读 本文是VCC张明启同学对论文 RealFill: Reference-Driven Generation for Authentic Image Completion 的解读，该工作来自康奈尔大学、Google Research以及Snap Research，已被发表在计算机图形学顶级会议SIGGRAPH 2024上。 项目主页：  https://realfill.github.io/ 该工作提出了 一种真实图像补全方法，该方法允许用户使用少量的参考图像对模型进行个性化训练，通过学习输入图像的真实场景信息从而对目标图像进行补全和扩展 ，并且对输入的参考图像和目标图像没有严格限制，图像可以在视点、光照、风格等方面存在差异。相比于其他补全方法，RealFill补全结果能更好保持真实场景的结构和细节，而后者会产生合理但不真实的内容。 注：本文图片与视频均来自原论文与其项目主页。 I  引言  照片捕捉了我们生活中短暂而宝贵的经历，但是在许多情况下，我们拍摄不到具有 ………………………………