Diese Arbeit untersucht das grundlegende Problem der Extrapolation visueller Kontexte mittels tiefer generativer Modelle, also die sinnvolle Erweiterung der Bildränder mit plausiblen Strukturen und Details. Diese scheinbar einfache Aufgabe stellt tatsächlich zahlreiche entscheidende technische Herausforderungen dar und weist spezifische Eigenschaften auf. Die beiden zentralen Probleme sind die Größe der Erweiterung und die eingeschränkte, einseitige Geometrie. Wir schlagen ein semantisches Regenerationsnetzwerk mit mehreren besonderen Beiträgen vor und nutzen mehrere räumlich abhängige Verlustfunktionen, um diese Herausforderungen zu bewältigen. Unsere Ergebnisse weisen konsistente Strukturen und hochwertige Texturen auf. Umfassende Experimente werden an verschiedenen Alternativen und verwandten Methoden durchgeführt. Zudem untersuchen wir das Potenzial unserer Methode für eine Vielzahl interessanter Anwendungen, die der Forschung in verschiedenen Bereichen zugutekommen können.