CMAMRNet: 一种通过全面的掩码指导增强壁画修复的上下文感知网络.pdfVIP

CMAMRNet: 一种通过全面的掩码指导增强壁画修复的上下文感知网络.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

LEI,ETAL:CMAMRNET1

CMAMRNet:一种通过全面的掩码指导增强

壁画修复的上下文感知网络

YingtieLei11UniversityofMacau

ytlei0822@2GuangdongUniversityofTechnology

FanghaiYi23

UniversityofChineseAcademyofSci-

3122005058@

ences

YihangDong34ShanghaiJiaoTongUniversity

dongyihang23@5ShenzhenPolytechnicUniversity

WeihuangLiu1

yc37498@.mo

14

XiaofengZhang

v

framebreak@

0

4

ZimengLi5

1

7

li_zimeng@

0

.

Chi-ManPun1

8

0

cmpun@umac.mo

5

21

XuhangChen

:

v

lify.app

i

x

r

a

摘要

壁画作为不可替代的文化艺术品,面临着环境因素和人类活动引起的持续恶

化。壁画的数字修复因其复杂的退化模式及对保持艺术真实性的关键需求而面

临独特的挑战。现有的基于学习的方法在维护网络中的连续掩码指导方面存在

困难,导致对受损区域的关注不足以及修复质量受到影响。我们提出了一种名

为CMAMRNet(上下文感知遮罩壁画修复网络)的解决方案,通过全面的遮

罩指导和多尺度特征提取来解决这些问题。我们的框架引入了两个关键组件:

©2025.Thecopyrightofthisdocumentresideswithitsauthors.

Itmaybedistributedunchangedfreelyinprintorelectronicforms.

对应的作者。

2LEI,ETAL:CMAMRNET

(1)遮罩感知上/下采样器(MAUDS),它通过专门的通道特征选择及基于掩码

的特征融合,在不同分辨率比例尺中确保一致的掩码敏感度;以及(2)共同特

征聚合器(CFA),在最高和最低分辨率尺度上操作,以提取互补特性来捕捉退

化区域中的细小纹理和全局结构。基准数据集上的实验结果表明,CMAMRNet

优于最先进的方法,有效地保持了修复壁画的结构完整性和艺术细节。代码可

在/CXH-Research/CMAMRNet获取。

1介绍

壁画作为不可替代的文化遗物,正因环境因素和人类活动而加速退化[18]。

虽然传统的机械和化学修复方法[3]需要广泛的专业知识,数字修复技术已经作

为一种有前途的替代方案出现[12],提供了安全、可逆且高效的解决方案,无需

物理接触就能保留壁画的真实性。在各种数字修复技术中,图像修复脱颖而出成

为一种有前景的方法。

人工智能和深度学习的快速发展为图像修复提供了潜在的技术解决方案[1,

2,21]。早期基于CNN的方法通过部分卷积[26]和U-Net融合[6]开创了对不规

则掩码的处理。先进的技术引入了上下文残差聚合[25]和地区归一化[27]进行特

征优化。近期框架通过多级Siamese过滤(MISF[8])、快速傅里叶卷积(LaMa[15])

和注意力高分辨率处理(CoordFill[9])提升了性能。基于Transformer的方法如

T-Fo

文档评论(0)

专业Latex文档翻译 + 关注
实名认证
服务提供商

专业Latex文档翻译,完整保持文档排版,完美处理文档中的数学公式和图表等元素,并提供 arXiv Latex 论文中文翻译。

1亿VIP精品文档

相关文档