RFA-Net: Residual feature attention network for fine-grained image inpainting 论文阅读笔记

摘要

尽管大多数使用生成对抗性网络（GAN）的现有方法通常会产生合理的结果，当区域较大或者缺失区域的背景很复杂时，会有大量的伪影和不理想的纹理恢复。为了解决这个问题，在本文中，我们提出一种新的纹理感知网络RFA-net，用于更精细的纹理图像修复。与传统相比编码器-解码器方法，我们的主要贡献是提出了一种采用非池化残差的新型RFA-Net，具有三个新模块的CNN结构，它保留了浅层的纹理特征并自适应了解可能有利于图像修复的某些通道和特征位置的重要性。此外，我们提出了一个混合损耗优化（HLO）模块，使生成器能够专注于修复内容的语义和纹理细节。实验结果表明，我们的RFA-Net能够恢复和真实图像一样的纹理细节，在图像定性和定量比较方面性能优于最先进的方法。