EdgeConnect: Generative Image Inpainting with Adversarial Edge Learning

1. Motivation

• 传统方法不能很好的重建复杂的细节部分，不能处理大规模确实的图片‘
• 生成的图像通常会产生模糊，不协调的区域。

2. Approach

2.1 Network structure

整个网络有两部分组成，前半部分用于生成图像的边缘，第二部分基于预测的边缘对缺失图像进行补全。

2.2 Loss function

• Edge generator：

对抗损失：

特征匹配损失：

最终的损失：这里采用的是边缘生成网络部分中的判别器中的feature maps

• Image completion network：

对抗损失：

重构损失：范数

感知损失：

风格损失：

最终损失：

3. Discussion

现在看感觉整篇论文的结构比较简单，主要贡献就是充分利用的边缘的信息，边缘生成器对图像的补全结果有一定提升。

4. References

【1】Nazeri, Kamyar, et al. "Edgeconnect: Generative image inpainting with adversarial edge learning." arXiv preprint arXiv:1901.00212 (2019).