EdgeConnect：基于对抗边缘学习的生成图像修复

近年来，深度学习技术在图像修复领域取得了显著进展。然而，许多这些技术在重建合理结构时表现不佳，因为它们通常过度平滑和/或模糊。本文提出了一种新的图像修复方法，能够更好地再现包含精细细节的填充区域。我们设计了一个两阶段对抗模型 EdgeConnect，该模型由边缘生成器和图像补全网络组成。边缘生成器可以生成图像中缺失区域（包括规则和不规则区域）的边缘，而图像补全网络则利用这些生成的边缘作为先验信息来填补缺失区域。我们在公开数据集 CelebA、Places2 和 Paris StreetView 上对模型进行了端到端评估，并展示了其在定量和定性方面均优于当前最先进的技术。代码和模型可从以下链接获取：https://github.com/knazeri/edge-connect