论文阅读——Multi-Scale Image Contextual Attention Learning for Inpainting

原文链接：MUSICAL: Multi-Scale Image Contextual Attention Learning for Inpainting (IJCAI 2019). Wang, N., Li, J., Zhang, L., & Du, B. [Paper]

本文创新点：

1. 提出了一种多尺度注意力模块，通过合并不同大小patch的注意力模块产生的特征图，捕捉多个尺度的信息。

网络结构

网络整体以U-Net为基础，一次性修复图像。

Multi-scale Attention Module

本文采用两种不同大小的patch（3*3,1*1）来计算注意力分数 。

首先计算缺失区域（foreground）和已知区域（background）的余弦相似度，

 其次，通过softmax层得到注意力分数s* ；

然后，进行注意力传播；

最后，用反卷积操作得到重构特征图 、 ，再将 、 与 进行拼接。

 为了确定当前图像中哪个层次的细节是最重要的，将拼接后的特征图输入到squeeze-and-excitation（SE）模块。最后，用像素卷积将特征图压缩到和输入相同的尺寸。

SE模块首先要计算特征图的平均池化值，然后利用全连接网络计算各个通道的权重。

整个模块可以用下式表示

 损失函数

感知损失

利用VGG16的pool1, pool2 和 pool3计算感知损失

风格损失

总体损失