DeepFlowest

https://arxiv.org/abs/2007.08854 논문을 읽고 정리한 내용 입니다. 0. Abstract 프레임에서 inpainting area를 채우려면, 다른 프레임의 픽셀을 올바른 occlusion을 사용하여 현재 프레임으로 변환하는 것이 간단하다. 또한 3D point cloud registration을 통해 여러 비디오를 융합 할 수 있으므로 대상 비디오에 여러 소스 비디오를 inpaint할 수 있다. 그 동기는 전체 비디오에서 가려진 영역이 한 번도 보이지 않았던 장기간의 가림(occlusion) 문제를 해결하는 것이다. video inpainting을 위해 여러 비디오를 융합하는 최초의 논문이다. 접근 방식의 효율성을 확인하기 위해 동기화 된 이미지와 Lidar 데이터 (예 : 장시..

https://arxiv.org/abs/1905.02884 논문을 읽고 정리한 내용 입니다. 0. Abstract 이 논문에서는 새로운 flow-guided video inpainting 접근을 제시한다. RGB 픽셀을 직접 채우는 대신 video inpainting을 pixel propagation 문제로 간주함. 새로 설계된 Deep Flow Completion 네트워크를 사용하여 비디오 프레임 전반에 걸쳐 공간 및 시간적으로 일관된 optical flow field (spatially and temporally coherent optical flow field)를 합성함. 그리고 합성된 flow field를 사용하여 픽셀의 전파(propagation)를 안내하여 비디오에서 누락 된 영역을 채움. 이 방법은 DA..

arxiv.org/abs/1905.01639 논문을 읽고 정리한 내용입니다. 0. Abstract Video inpainting : 비디오에 있는 시공간 상의 구멍(spatio-temporal holes)을 메우는 것을 목표로 하는 것. image inpainting을 비디오 영역으로 확장하는 것은 어려운 일임. 이 논문에서 제안하는 모델 빠른 video inpainting을 위한 새로운 deep network architecture 제안 이미지 기반의 인코더-디코더 모델을 기반으로 구축된 이 프레임워크는 이웃 프레임에서 정보를 수집, 정제하고 아직 알려지지 않은 지역을 합성하기 위해 설계됨. 동시에, 출력은 recurrent feedback과 temporal memory module에 의해 일시적으로 ..