EdgeConnect: 적대적 경계 학습을 활용한 생성적 이미지 인페인팅

최근 몇 년 동안 딥 러닝 기술은 이미지 인페인팅 분야에서 상당한 개선을 가져왔습니다. 그러나 이러한 많은 기술들이 과도하게 부드럽거나 흐릿한 결과를 생성하여 합리적인 구조를 재구성하지 못하는 경우가 많습니다. 본 논문에서는 세부 사항이 잘 표현된 채워진 영역을 더 효과적으로 재현하는 새로운 이미지 인페인팅 접근법을 제시합니다. 우리는 엣지 제너레이터와 이미지 완성 네트워크로 구성된 두 단계 적대 모델 EdgeConnect(엣지커넥트)를 제안합니다. 엣지 제너레이터는 이미지의 결손 영역(정규 및 비정규)의 엣지를 추론하고, 이미지 완성 네트워크는 추론된 엣지를 사전 정보로 사용하여 결손 영역을 채웁니다. 우리는 공개 데이터셋 CelebA, Places2, 그리고 Paris StreetView를 통해 모델을 종단적으로 평가하였으며, 이 모델이 현재 최신 기술들보다 정량적이고 정성적으로 우수한 성능을 보임을 입증하였습니다. 코드와 모델은 다음 주소에서 이용 가능합니다: https://github.com/knazeri/edge-connect