使用部分卷积的不规则孔洞图像修复

现有基于深度学习的图像修复方法在受损图像上使用标准卷积网络，其卷积滤波器响应同时依赖于有效像素与掩码孔洞中的替代值（通常为均值）。这常导致如色差与模糊等伪影。后处理通常用于减轻此类伪影，但代价高昂且可能失效。我们提出使用部分卷积，其中卷积被掩码化并重新归一化以仅依赖于有效像素。我们进一步在前向传播中引入自动为下一层生成更新掩码的机制。我们的模型在不规则掩码上优于其他方法。我们给出与其他方法的定性与定量比较以验证我们的方法。