Нейросеть удаляет объекты на изображении | neurohive
Исследователи из Tencent Lightspeed & Quantum Studios, Adobe Research, Dalian University of Technology и Johns Hopkins University предложили новый функционал ошибки для моделей, которые решают задачу дополнения пустых частей на изображении.
По результатам экспериментов, модель с предложенным функционалом ошибки обходит state-of-the-art-подходы
Сверточные нейронные сети показали себя неэффективными для задачи распространения информации из разных частей изображения. Недавние исследования в дополнении изображения пробуют избавиться от этой проблемы с помощью прямого поиска референтных регионов по всему изображению, чтобы на основе их признаков заполнить пустую часть изображения. Эта операция может быть имплементирована как слой контекстного внимания. Такой слой широко используется в методах глубокого обучения.
_______
Источник: https://t.me/ainetworkss/734
Комментариев нет:
Отправить комментарий