#377
summarized by : Seitaro Shinagawa
Recurrent Feature Reasoning for Image Inpainting

どんな論文か?

マスクにより欠損させられた画像の補完タスクにおいて、特徴空間での注意マップを再帰的に用いて特徴間で相補的に補完を行い、精度を向上させる手法を提案。
placeholder

新規性

マスクによる欠損画像の段階的な補完はこれまでにもあったが、計算コストがかかっていた。提案するRFR networkでは特徴量空間で再帰的に補完を行い、補完後の画像を出力するので、計算コストが小さくて済む。また、特徴空間で再帰的にattentionの計算を行う際、attentionには一貫性を持たせるための仕組みとしてKCA moduleを提案した。

結果

Place2、CelebA、Paris Street Viewの3つのデータセットで比較した。評価指標のSSIM、PSNR、mean l1 lossに対して、提案手法が既存手法を上回った。

その他(なぜ通ったか?等)

partial convolutionの課題を、再帰的なcontextual attentionという形で綺麗に解決している点が評価されて通ったのでは