摘要
近期研究已表明，在图像修复（inpainting）任务中建模长距离依赖关系具有重要意义。为实现这一目标，现有方法通常采用独立的注意力机制或Transformer结构，但为控制计算成本，往往局限于低分辨率输入。本文提出一种新型基于Transformer的模型，用于大孔洞图像修复，该模型融合了Transformer与卷积网络的优势，能够高效处理高分辨率图像。我们精心设计了框架中的各个组件，以确保恢复图像在保真度和多样性方面均达到优异表现。具体而言，我们设计了一种面向图像修复任务的Transformer模块，其中注意力机制仅从由动态掩码指示的有效部分token中聚合非局部信息。大量实验结果表明，该模型在多个基准数据集上均达到了当前最优性能。代码已开源，地址为：https://github.com/fenglinglwb/MAT。