由内及外作画：基于双向重排与渐进步长学习的边缘引导图像外推

图像外推是一个非常有趣的问题，因为给定图像之外部分可通过将其作为图像上下文而连续填充。该任务有两个主要挑战。其一是保持生成区域与原始输入内容上的空间一致性。其二是以少量相邻信息生成高质量大幅图像。传统图像外推方法生成不一致、模糊且重复的像素。为缓解外推问题的困难，我们提出一种利用双向边界区域重排的新颖图像外推方法。我们通过反映更多方向性信息，将图像重排以受益于图像修复任务。双向边界区域重排使得能够利用类似于图像修复任务的双向信息来生成缺失区域，从而生成比使用单向信息的传统方法更高质量的图像。此外，我们使用边缘图生成器，将图像作为带有结构信息的原始输入并幻觉出未知区域的边缘以生成图像。我们提出的方法在定性与定量上与其他最优外推和修复方法进行比较。我们进一步使用 BRISQUE（一种无参考图像质量评估（IQA）指标）对它们进行比较和评估，以评价输出的自然度。实验结果表明我们的方法优于其他方法，并生成具有 360{\deg}全景特性的新图像。