为解决图像修复中存在的伪影以及细节表达不一致等问题,提出一种基于注意力机制的对抗型自编码器(adversarial auto-encoder based on attention mechanism,AAEA)图像修复模型。在通用编码器模型基础上,通过在生成器跳跃连接处引入通道...为解决图像修复中存在的伪影以及细节表达不一致等问题,提出一种基于注意力机制的对抗型自编码器(adversarial auto-encoder based on attention mechanism,AAEA)图像修复模型。在通用编码器模型基础上,通过在生成器跳跃连接处引入通道注意力构造通道相似性融合模块(channel similarity fusion module,CSFM)的方式使通道之间的特征关系更丰富。在解码器网络中,通过空间注意力与位置编码结合的方式构造位置融合模块(location fusion model,LFM),增强边界位置信息表达。消融实验结果表明,引入的CSFM、LFM模块均能有效提升模型性能,阈值为1.25^(3)时的准确率达到0.9808。AAEA模型能够更好地处理复杂的图像修复任务,有效地改正错乱纹理,并在掩膜边缘区域获得清晰的修复结果,对于壁画修复以及计算机视觉等图像修复领域的发展具有重要意义。展开更多