论文阅读——Context Encoder（上下文编码器）

原文连接：Context Encoders: Feature Learning by Inpainting (CVPR 2016). Pathak, D., Krahenbuhl, P., Donahue, J., Darrell, T., & Efros, A. A. [Paper][Code]

本文的创新点：

1. 使用通道全连接层（Channel-wise fully-connected layer）；
2. 损失函数增加了对抗损失。

总体结构

上下文编码器（context encoder）是一种无监督学习方式，整体架构与自编码器相似。

 编码器采用AlexNet的结构，使用前五个卷积层和后面的池化层（pool5之前的层），使用随机初始化权值重新训练网络，主要作用就是提取图像特征；

通道全连接层（Channel-wise fully-connected layer）：完全独立地连接每个通道，主要目的就是减少网络参数；

解码器采用五个上卷积层，主要作用就是修复图像。

适用于固定大小比例、固定形状的修复（128x128到64x64）：

 适用于不固定大小，不固定形状的修复（原图大小到原图大小）：

损失函数

重构损失（L2）：捕获缺失区域的整体结构，使修补后的区域与周围具有结构一致性；它倾向于多种填充方式的平均，所以产生的图像比较模糊。

 x表示输入图像，M是二值化的掩码（1表示缺失区域，0表示输入像素），F是上下文编码器，⊙表示逐元素乘积运算。

对于一副图像中的空白区域，可能有多种填充方式符合整体结构以及可以与周围信息很好地接洽，称为不同的模式，而对抗损失就是用来进行模式选择。

整体损失就是重构损失与对抗损失的加权：

实验结果

模型评估使用了两个数据集，即Paris Street View和ImageNet。

 总结

优点：

1. 相对于patch-based的方法，可以产生新的对象；
2. 可以作为预训练，将学习到的特征迁移到其他任务上，如分类、检测、分割等；
3. 用通道全连接层代替传统的全连接层，减少的参数量；
4. 引入对抗损失，修复的图像更加真实。

存在的问题：

1. 由于对抗损失仅应用于图像缺失区域，忽略了图像全局区域，这就会导致修复图像出现边缘模糊或者整体结构不一致。
2. 只能修复固定大小的图像。