温 静，丁友东，于 冰

基于上下文门卷积的盲图像修复

温 静1,2，丁友东1,2，于 冰1,2

(1. 上海大学上海电影学院，上海 200072；2. 上海电影特效工程技术研究中心，上海 200072)

目前基于深度学习的图像修复方法已经取得较大地进展，其方法均是基于输入的掩模对图像的退化区域进行修复。基于此，提出了由掩模预测网络和图像修复网络组成的2阶段盲图像修复网络。整个修复过程无需输入掩模，掩模预测网络可以根据输入图像自动检测图像退化区域并生成掩模，图像修复网络根据预测掩模对输入图像的缺失部分进行修复。为了更好地利用全局上下文信息，基于上下文门卷积设计了一个上下文门残差块(CGRB)模块来提取特征信息。另外，还提出了空间注意力残差块(SARB)对远距离图像像素的关系进行建模，过滤了一些无关的细节信息。在CelebA-HQ，FFHQ和PairsStreet数据集上的大量实验结果表明，该改进算法优于其他对比方法，且能生成令人信服的图像。

图像修复；盲图像修复；上下文门卷积；上下文门残差块；空间注意力残差块

图像修复是在给定相应掩模的情况下修复受损图像缺失区域的技术。该任务引起了计算机视觉和计算机图形学的极大关注，并广泛应用于如老照片的复原、删除不需要的对象、照片编辑等方面。尽管已有许多用于图像修复的方法，但仍是一个具有挑战性的问题，因通常需要输入指示缺失区域的掩膜。本文针对无法获得掩模且难以实现图像修复的情况，提出了一种基于图像语义信息的盲图像修复方法。……