- …
- …
#160
summarized by : Yue Qiu
どんな論文か？
画像中にObject instance領域がない場合に補完を行うタスクHVITAを提案．HVITAのためのEnd-to-end手法を提案：①画像からsemantic graph(nodeがsceneに含まれる物体)を推定する；②Graph CNNによりscene graphからmissing物体のカテゴリを予測；③GANモデルにより，推定した物体カテゴリ、背景画像から補間を行う．
新規性
①提案タスクは従来のImage inpaintingと比べて，Semantic情報により物体カテゴリの推定が必要となる．また，物体の生成、背景を考慮したinpaintingなどが必要；②提案のinpainting手法が画像から明示的にScene graphを生成し、画像のGlobal情報を得る．
結果
MSCOCO、Visual Genome、NYU Depth v2などのデータセットで高い精度とvisual plausible resultsを得られた．
その他（なぜ通ったか？等）
- …
- …