Sans Limites : Réseaux de Génération Adversariaux pour l'Extension d'Images

Les modèles d'extension d'image ont de nombreuses applications dans l'édition d'images, la photographie computationnelle et les graphiques informatiques. Bien que le recoloriage d'images (inpainting) ait été largement étudié dans la littérature, il est difficile d'appliquer directement les méthodes de recoloriage les plus avancées à l'extension d'images, car elles ont tendance à générer des pixels flous ou répétitifs avec des sémantiques incohérentes. Nous introduisons une conditionnement sémantique au discriminateur d'un réseau génératif antagoniste (GAN) et obtenons des résultats solides en matière d'extension d'images, avec des sémantiques cohérentes et des couleurs et textures visuellement agréables. Nous montrons également des résultats prometteurs pour des extensions extrêmes, telles que la génération de panoramas.