要約
深層学習に基づく画像補完手法は、矩形および不規則な穴の両方において顕著な成果を示している。しかし、不規則な穴の補完は、その形状や位置に不確実性が存在するため、多くの課題を抱えている。畳み込みニューラルネットワーク（CNN）や敵対的教師信号にのみ依存する手法では、現実的な補完結果が保証されない。これは、不規則な穴の補完には、コンテンツ生成に必要な情報の取得に注意メカニズムによるガイドが必要となるためである。本稿では、より精緻な結果を得るために、グローバルな依存関係情報を取得する「マスクプルーニングベースのグローバル注意モジュール」と、特徴量間の局所的な類似性情報を捉える「グローバルおよび局所注意モジュール」の2つの新しい注意機構を提案する。提案手法は最先端の手法と比較して評価され、実験結果から、定量的および定性的な両面において、既存手法を上回る性能を示した。