一种融合多尺度残差和门控卷积的图像修复算法

为了克服图像修复中出现的边缘模糊和视觉伪影问题,该文提出一种融合多尺度残差和门控卷积的图像修复算法。该算法模型由边缘生成网络和纹理修补网络组成。首先,通过多层卷积和多尺度残差块提取出图像边缘信息,对受损区域的边缘进行补全;然后,将生成的边缘图像作为结构性先验知识,并利用门控卷积来消除无效像素对掩码更新的干扰,实现局部纹理的精细填充。在Places2和CelebA基准数据集上的实验结果表明,该算法在各项评价指标上均优于现有主流算法,其PSNR提高了2.1%~2.6%,SSIM提高了1.6%~2.3%,L1损失降低了6.5%~9.9%。

基于上下文语义递阶推理的图像盲修复方法研究

现有的基于深度学习的图像修复方法通常需提供成对的受损图像和掩码图像作为输入,而现实中破损图像对应的掩码通常难以获得,为此,提出一种基于上下文语义递阶推理的图像盲修复网络。该网络由局部填补模块和细节优化模块组成,前者根据图像局部上下文语义自动估计图像中的污损区域,并完成初步的像素填充;而后者结合局部区域的多尺度特征,修复前一阶段输出图像中语义不和谐的区域,最终生成清晰自然的图像。结果表明:该方法性能优于同类算法,且能生成全局语义一致的清晰图像。