Изменения

[[Файл:inpainting_sample.jpg|thumb|400px|Рисунок 1. Пример восстановления изображения. (a) {{В разработке---}}оригинальное изображение, (b) {{---}} изображение со стертыми частями, (с) {{---}} изображение, полученное в результате восстановления.<ref name="SC-FEGAN"/>]]

[[Файл:inpainting_sample'''Восстановление изображения '''(англ.jpg|thumb|400px|(ainpainting) {{---}} это процесс замены поврежденных частей изображения на реалистичные фрагменты. '''Вписывание части изображения''' {{- оригинальное изображение, (b) - изображение со стертыми частями, (с) - изображение}} это подзадача восстановления, полученное в результате inpainting]]которая опирается на имеющуюся неиспорченную часть изображении для замены поврежденной.

'''Inpainting''' {{---}} процесс Алгоритмы вписывания части изображения применяются для редактирования изображений или для их восстановления испорченных , если их часть была утрачена или утраченных частей изображений и видеоповреждена. В основномС помощью современных моделей можно вырезать ненужные объекты или изменить их внешний вид (например, этот процесс происходит используя фоновую информацию и заполняя недостающие данные в определенной области визуального вводапоменять цвет глаз у человека).

[[ФайлВосстановление изображения разделяется на две задачи:denoising_sample* '''Управляемое восстановление изображения''' (англ.jpg|thumb|550px|Пример устранения наложенного текста non-blind inpainting). В этой задаче вместе с изображением подается информация о том, какие пиксели нужно заменить.* '''Слепое восстановление изображения''' (англ. blind inpainting). В решениях данной проблемы модель сама определяет, где на изобреженииизображении поврежденные пиксели. Модели слепого восстановления чаще всего занимаются устранением шумов (англ. denoising). В данном случае текстом покрыто 18качестве шума, например, может быть наложенный текст (см Рис.77% площади2).]]

Inpainting обычно разделяется на две задачи:* '''Non-blind inpainting''' {{---}} информация о том, какие пиксели в изображении нужно заменить, подается на вход модели. * '''Blind inpainting''' {{---}} модель должна сама определить, где на изображении пиксели, которые нужно заменить. Эту задачу также называют denoising (устранение шума), так как модели blind inpainting почти всегда устраняют именно шумы. В качестве шума может быть как примененный фильтр к изображению, так и наложенный текст. Пример работы модели удаления наложенного текста приведен на картинке справаэтом конспекте преимущественно речь пойдет про управляемое восстановление.

== Простые Для решения данной задачи существует множество различных методов, в том числе простых. Почти все простые методы ==основаны на следующей концепции: заполнение отсутствующих частей пикселями, идентичными соседним пикселям или похожими на них. Такие методы наиболее подходят для задачи устранения шума или небольших дефектов изображения. Но на изображениях, где отсутствует значительная часть данных, эти методы дают плохое качество изображения на выходе.

Для решения данной задачи существуют несколько разных методов. В этой части речь пойдет о простых решениях. Почти все простые методы основаны на следующей концепции: заполнение отсутствующих частей пикселями, идентичными соседним пикселям или похожими на них. Такие методы часто зависят от множества факторов и наиболее подходят для задачи устранения шума или небольших дефектов изображения. Но на изображениях, где отсутствует значительная часть данных, эти методы дают плохое качество выходного изображения.  Есть два основных простых способа восстанавливать данныеметода восстановления данных:# Быстрый пошаговый метод (англ. Fast marching method)<ref>[https://www.researchgate.net/publication/238183352_An_Image_Inpainting_Technique_Based_on_the_Fast_Marching_Method An Image Inpainting Technique Based onthe Fast Marching Method, Alexandru Telea]</ref>. Этот метод двигается от границ области, которую нужно закраситьзаполнить, к ее эпицентруцентру, постепенно закрашивая восстанавливая пиксели. Каждый новый пиксель вычисляется как взвешенная сумма известных соседних пикселей.# Метод Навье-Стокса (англ. Navier-Stokes method)<ref>[https://www.math.ucla.edu/~bertozzi/papers/cvpr01.pdf Navier-Stokes, Fluid Dynamics, and Image and Video Inpainting, M. Bertalmio, A. L. Bertozzi, G. Sapiro]</ref>. Метод основывается на том, что грани границы объектов в на изображении должны быть непрерывными. Цвета Значения пикселей вычисляются на основе известных из областей около гранейвокруг испорченной части. Метод основывается на дифференциальных уравнениях в частных производных.

[[Файл:inpainting_network.jpg|thumb|550px|Рисунок 3. Пример GAN для inpainting.<ref>[http://iizuka.cs.tsukuba.ac.jp/projects/completion/data/completion_sig2017.pdf Globally and Locally Consistent Image Completion, Satoshi Lizuka, Edgar Simo-Serra, Hiroshi Ishikawa]</ref>]]

Глубокое В отличие от приведенных выше методов, глубокое обучение позволяет в процессе восстановления пикселей изображения учитывать его семантику изображения (в отличие от приведенных выше способов). То есть заполнение В этом случае алгоритм заполнения отсутствующих областей основывается на контекстетом, вносимым самим изображением, объектах, находящихся какие объекты расположены на изображении, и их классах.

Современные методы машинного обучения для решения данной задачи часто базируются Для того, чтобы понимать, какую часть изображения нужно заполнить, на глубоких нейронных сетях для классификации изображений, [[Автокодировщик|автокодировщиках (autoencoder)]] и [[Generative_Adversarial_Nets_(GAN)|генеративно-состязательных сетях (GAN)]]вход сети кроме самого изображения подается слой маски с информацией об испорченных пикселях.

Для тогоВ сетях обычно используется архитектура [[Автокодировщик|автокодировщиков (англ. autoencoder)]] {{---}} сначала идут слои кодирующие, чтобы понимать, какую часть изображения нужно заполнить, на вход сети кроме самого а потом декодирующие изображение. Функция потерь заставляет модель изучать другие свойства изображения подается слой маски с информацией о пикселях, где данные отсутствуюта не просто копировать его из входных данных в выходные. Именно это позволяет научить модель заполнять недостающие пиксели.

Сети обычно имеют модель автокодировщиков {{Обучение может происходить через сравнение оригинального изображения и синтетического, сгенерированного сетью или через [[Generative_Adversarial_Nets_(GAN)|генеративно---}} сначала идут слои кодирующиесостязательную сеть (GAN)]]. Во втором случае для обучения используется дискриминатор, а потом декодирующие который определяет настоящее ли изображениеподали ему на вход. Функция В современных моделях обычно используют совмещенный подход: функции потерь побуждает модель изучать другие свойства зависят и от исходного изображения, а не просто копировать его из входных данных в выходные. Именно это предоставляет возможность научить модель заполнять недостающие пикселии от выхода дискриминатора.

Обучение может происходить через сравнение оригинального В ранних моделях часто применялись два дискриминатора (см Рис. 3):# Локальный дискриминатор (англ. Local Discriminator). Ему подавалась на вход только сгенерированная часть изображения и синтетического, сгенерированного сетью, или через генеративно-состязательную сеть. Во втором # Глобальный дискриминатор (англ. Global Discriminator). В данном случае для обучения на вход подавалось все изображение целиком.Однако в современных моделях используется один дискриминатор, который определяет фейковое ли принимает на вход не только восстановленное изображение подали ему , но и маску. Современные модели чаще всего принимают на входмаски произвольной формы (англ. В современных моделях обычно используют совмещенный подход: функции потерь зависят и от исходного изображенияfree-form mask), и от выхода дискриминаторапри работе с которыми локальный дискриминатор показывает плохое качество. Именно поэтому концепция двух дискриминаторов стала непопулярной.

Существует большое множество различных функций потерь при методе обучение обучения модели через сравнение сгенерированного изображения с оригинальным.

* '''L1-loss''' или '''Per-pixel loss''' {{---}} оценивает . Оценивает точность восстановления каждого пикселя по отдельности.

:где <tex>I_{gen}</tex> {{---}} выход генератора; <tex>I_{gt}</tex> {{---}} оригинальное изображние изображение (англ. ground truth); <tex>N_a</tex> {{---}} количество элементов в объекте <tex>a</tex>; <tex>M</tex> {{---}} бинарная маска; <tex>\alpha</tex> {{---}} гиперпараметр, <tex>\odot</tex> {{--- }} поэлементное перемножение.

* '''Perceptual loss''' {{---}} сравнивает . Cравнивает признаки полученного сгенерированного и исходного изображений, полученные с помощью модели VGG-16<ref>[https://arxiv.org/pdf/1409.1556v6.pdf Very Deep Convolutional Networks for Large-Scale Image Recognition, Karen Simonyan, Andrew Zisserman]</ref>.

<center><tex>L_{percept} = \sum\limits_{q}\frac{\|\Theta_{q}(I_{gen}) - \Theta_{q}(I_{gt})\|}{N_{\Theta_{q}(I_{gt})}} + \sum\limits_{q}\frac{\|\Theta_{q}(I_{comp}) - \Theta_{q}(I_{gt})\|}{N_{\Theta_{q}(I_{gt})}}</tex>,</center>

:где <tex>I_{comp}</tex> {{---}} изображение <tex>I_{gen}</tex>, в котором нестертые части заменены на части из <tex>I_{gt}</tex>; <tex>\Theta_{q}(x)</tex> {{---}} карта признаков, полученная <tex>q</tex>-ым слоем VGG-16.

* '''Style loss''' {{---}} сравнивает текстуру и цвета изображений. Считает корреляцию между признаками на каждом слое, используя матрицу что на самом деле является матрицей Грама<ref>[https://en.wikipedia.org/wiki/Gramian_matrix Gramian matrix, Wikipedia]</ref>. Согласно алгоритму [[Neural Style Transfer|нейронного переноса стиля (англ. Neural Style Transfer, NST)]] матрица Грама содержит информацию о текстуре и цвете изображения. Таким образом style loss сравнивает сгенерированное и оригинальное изображения на схожесть стилей.

:<center><tex>G_q(x) L_{style} = (\Theta_sum\limits_{q}\frac{1}{C_q C_q} \| \frac{G_q(I_{xgen}))^T (\Theta_{q}-G_q(I_{xgt}))</tex> }{{---N_q}} матрица Грама для выполнения автокорреляции на карте признаков VGG-16; \|</tex>C_{q},</texcenter> {{---}} размерность матрицы Грама.

* '''Total variation loss''' где <tex>G_q(x) = (\Theta_{q}(I_{x}))^T (\Theta_{q}(I_{x}))</tex> {{---}} матрица Грама для выполнения автокорреляции на карте признаков VGG-16; <tex>C_{q}</tex> {{---}} оценивает однородность полученного изображенияразмерность матрицы Грама.

* '''Total variation loss'''. Оценивает однородность полученного изображения.  <center><tex>L_{tv} = \sum\limits_{(i,j) \in R}\frac{\|I_{comp}^{i,j+1} - I_{comp}^{i,j}\|}{N_{I_{comp}}} + \sum\limits_{(i,j) \in R}\frac{\|I_{comp}^{i+1,j} - I_{comp}^{i,j}\|}{N_{I_{comp}}}</tex>,</center> где <tex>I_{comp}</tex> {{---}} изображение <tex>I_{gen}</tex>, в котором нестертые части заменены на части из <tex>I_{gt}</tex>; <tex>N_{I_{comp}}</tex> {{---}} количество пикселей в <tex>I_{comp}</tex> * '''Adversarial loss'''. Сравнивает генерируемые и оригинальные границы объектов в изображении.  <center><tex>L_{adv} = \mathbb{E}[\log D(H_{gt}, I_{gray})] + \mathbb{E}[\log (1 - D(H_{gen}, I_{gray}))]</tex>,</center> где <tex>I_{gray}</tex> {{---}} черно-белое оригинальное изображение; <tex>H_{gt}</tex> {{---}} границы объектов оригинального изображения; <tex>H_{gen}</tex> {{---}} генерируемые границы; <tex>D</tex> {{---}} дискриминатор; * '''Feature-matching loss'''. Сравнивает изображения по признакам, извлекаемыми из всех слоев дискриминатора.  <center><tex>L_{FM} = \mathbb{E}[\sum\limits_{i=1}^L \frac{1}{N_i} \|D^{(i)}(H_{gt} - D^{(i)}(H_{gen}))\| ]</tex>,</center> где <tex>L</tex> {{---}} количество слоев дискриминатора; <tex>N_i</tex> {{---}} число нейронов на <tex>i</tex>-ом слое дискриминатора; <tex>D^{(i)}</tex> {{---}} значения дискриминатора на слое <tex>i</tex>;

[[Файл:sc-fegan_result.jpg|thumb|300px|Рисунок 4. Пример работы модели SC-FEGAN.<ref name="SC-FEGAN"/>]] == DeepFillv2= SC-FEGAN<refname="SC-FEGAN">[https://github.com/run-youngjoo/SC-FEGAN Free-Form Image Inpainting Face Editing Generative Adversarial Network with Gated Convolution, Jiahui Yu, Zhe Lin, Jimei Yang, Xiaohui ShenUser's Sketch and Color, Xin LuYoungjoo Jo, Thomas HuangJongyoul Park]</ref> === SC-FEGAN позволяет создавать высококачественные изображения лиц за счет эскизов, передаваемых пользователем вместо стертых частей изображения. Иными словами пользователь может стереть фрагмент, который он хочет изменить, нарисовать на его месте желаемый объект, и полученный эскиз, а также его цветовая палитра, будут отражены в сгенерированном фрагменте. Дискриминатор данной сети принимает на вход сгенерированное изображение, маску и рисунок пользователя. Итоговая функция потерь формируется из выхода дискриминатора и функций сравнения изображения с оригинальным (per-pixel loss, perceptual loss, style loss). ---- [[Файл:DeepFillv2_model.jpeg|thumb|300px|left|Рисунок 5. Сеть DeepFillv2.<ref name="DeepFillv2"/>]]

=== DeepFillv2<ref name="DeepFillv2">[[Файлhttps:DeepFillv2_model.jpeg|thumb|450px|Сеть DeepFillv2//github.com/csqiangwen/DeepFillv2_Pytorch Free-Form Image Inpainting with Gated Convolution, Jiahui Yu, Zhe Lin, Jimei Yang, Xiaohui Shen, Xin Lu, Thomas Huang]]</ref> ===

Главная идея данной этой модели {{---}} это использование стробированной свертки, которая позволила добиться хорошего качества вписывания при восстановлении изображения с разными формами испорченных областей. Также данная модель может можно использовать набросок рисунок пользователя в качестве входных данных.

Более того, чтобы добиться более высокого качества вписывания, предлагается использовать В данной модели используется вариант генеративно -состязательной сети {{---}} SN-PatchGAN. Дискриминатор этой сети в каждой точке вычисляет кусочно-линейную функцию потерь, формируя таким образом <tex>h \times w \times c</tex> генеративно -состязательных сетей, каждая из которых сосредотачивается на различных частях и свойствах изображения. Генератор, состоящий из двух сетей (грубой и сети повышающей качество изображения), используют модель кодировщик-декодировщик вместо U-Net<ref>[https://arxiv.org/pdf/1505.04597.pdf U-Net: Convolutional Networks for Biomedical Image Segmentation, Olaf Ronneberger, Philipp Fischer, Thomas Brox]</ref>, в которой все слои классической свертки заменены на стробированные. Полностью архитектура сети приведена на Рисунке 5.

Генератор, состоящий из двух сетей (грубой и сети повышающей качество изображения) также адаптируется. Обе сети используют модель кодировщик-декодировщик вместо U-Net-- === Pluralistic Image Completion<ref>[https://arxivgithub.orgcom/pdflyndonzheng/1505.04597.pdf UPluralistic-Net: Convolutional Networks for Biomedical Inpainting Pluralistic Image SegmentationCompletion, Olaf RonnebergerChuanxia Zheng, Philipp FischerTat-Jen Cham, Thomas BroxJianfei Cai]</ref>=== Главное отличие этой модели от других {{---}} способность выдавать несколько вариантов заполнения отсутствующих областей изображения. Обычно модели генерируют только один вариант, пытаясь приблизиться к оригинальному изображению. Используя же данную модель, в которой все слои классической свертки заменены человек может выбрать то сгенерированное изображение, которое выглядит более реалистичным, получая таким образом более качественные изображения на стробированныевыходе. Данная модель добивается такого эффекта путем пропускания входного изображения через две параллельные сети. Первая сеть {{---}} реконструирующая. Она пытается приблизить выходное изображение к оригинальному. Вторая сеть {{---}} генерирующая, работающая с априорным распределением отсутствующих областей и выборками известных пикселей. Каждая сеть имеет свой дискриминатор, помогающий обучить модель. Кроме выхода дискриминатора для обучения также используются функции сравнения полученного изображения с оригинальным.

=== SC-FEGAN<ref>[https[Файл://githubDeepImagePrior_minimization.jpeg|thumb|550px|Рисунок 9. Процесс восстановления изображения с помощью Deep Image Prior.com/run-youngjoo/SC-FEGAN Face Editing Generative Adversarial Network with User's Sketch and Color, Youngjoo Jo, Jongyoul Park]<ref name="DeepImagePrior"/ref> ===]]

[[Файл:sc-fegan_resultКак известно, большинство методов глубокого обучения требуют больших наборов данных для тренировки.jpg|thumb|450px|Пример работы модели SC-FEGANВ отличие от них Deep Image Prior не требует никакой предварительной обучающей выборки кроме одного изображения, которое надо исправить. Для этого сеть учится извлекать полезную информации из самого обрабатываемого изображения. Данный метод применяется для таких задач как вписывание части изображения, удаление шума и увеличение разрешения фотографий.]]

Основа данной сети patchGAN <tex>\theta^{*} = \underset{---\theta} {\mathrm{argmin}}~E(f_{\theta} дискриминатор принимает на вход несколько каналов изображения. В данном случае помимо выходного изображения генератора и маски(z), дискриминатор принимает еще слой пользовательского ввода x_0), \;\; x^{*} = f_{\theta^{*}}(z) \;\; (эскизы и цвета1).</tex>

Итоговая где <tex>E(x, x_0)</tex> {{---}} это функция потерь формируется из функций сравнения изображения с оригинальным (per-pixel loss, perceptual lossзависящая от решаемой задачи, style lossа <tex>f_{\theta}(z) и выхода дискриминатора</tex> {{---}} некоторая сверточная сеть.

* Восстановление старых фотографий* Удаление шума с Для вписывания части изображения* Удаление ненужных объектов с фотоиспользуется следующая функция потерь: <tex>E(x, x_0) = \|(x - x_0) * Гибкое и простое редактирование фото с помощью эскизов и цветовm \|^2</tex>, где <tex>m</tex> {{---}} маска.