原文链接:Free-Form Image Inpainting with Gated Convolution (ICCV 2019 oral). Yu, J., Lin, Z., Yang, J., Shen, X., Lu, X., & Huang, T. S. [Paper][Code][Project]
本文的创新点:
- 提出了门控卷积(Gated Convolution),学习特征的重要程度;
- 用户可以指导图像修复。
网络结构
网络在《Generative Image Inpainting with Contextual Attention》基础上,将普通的卷积都替换成门控卷积。网络主要由粗修复和细修复两个网络组成,其中细修复网络由两个分支构成,上面的分支包含语义信息,下面的分支为常规的编码器分支。
门控卷积(Gated Convolution)
传统的卷积是将所有的输入像素视为有效像素,而部分卷积在传统卷积的基础上将mask掩码加入到卷积运算中,
但是部分卷积存在的问题就是,在更新掩码的时候,它将含有1个有效值像素的区域和含有9个有效值像素的区域同等对待,这是不合理的。
为了解决部分卷积的问题,门控卷积为每个通道和每个空间位置学习动态特征选择机制,
其中,Φ为激活函数,σ为sigmoid激活函数,Wg和Wf是两个不同的卷积核。
User-Guided Image Inpainting
模型还具有用户交互功能,网络的输入包含一个用户交互的sketch通道,用户可以在该sketch通道绘制引导线以引导修复后结构的走向。在训练的时候,输入为破损图像、mask、sketch(由真实图像通过边缘检测和阈值分割得到)。