弥合视觉鸿沟：宽范围图像融合

本文提出了图像处理中的一个新问题场景——宽范围图像融合，旨在通过为两幅不同输入照片之间的中间区域生成新颖图像内容，将它们平滑地合并为全景图。尽管该问题与图像修复、图像外推和图像融合等主题密切相关，但这些主题的方法均无法轻易解决它。我们引入了一种有效的深度学习模型来实现宽范围图像融合，其中提出了一种新颖的双向内容传递模块，通过循环神经网络对中间区域的特征表示进行条件预测。除了确保融合过程中的空间与语义一致性，我们还采用了上下文注意力机制以及对抗学习方案，以提升所得全景图的视觉质量。我们通过实验证明，所提方法不仅能产生视觉上令人满意的宽范围图像融合结果，而且相对于基于最先进图像修复与外推方法构建的若干基线提供了更优的性能。