2021CVPR-Video Inpainting 论文导读 《Progressive Temporal Feature Alignment Network for Video Inpainting》

1. Video Inpainting分类

（1）Video restoration

（2）Object removal

（3）Water-mark removal

2. 问题阐述与算法分析

传统的方法是根据图像数据库中的大量数据进行匹配，计算图像匹配相似度（这其中会消耗大量的算力）。现在效果比较先进的算法是基于GAN的深度学习算法，但是GAN会生成与图像无关的内容。
以上这些方法有一个共同的缺点： 缺失区域是由周围区域或外部图像数据库产生的，这会大大降低Inpainting的效果，而这种缺点我们可以通过利用相邻帧的冗余来解决。
利用相邻帧确实能够弥补一定的不足，但是比较传统的方法是基于patch，通过相邻帧提取patch来计算哪些patch符合视频中确实的部分&#x