CM-GAN-Inpainting：基于深度学习的图像修复开源项目

CM-GAN-Inpainting：基于深度学习的图像修复开源项目

CM-GAN-Inpainting 是一个基于深度学习的图像修复开源项目，主要使用 Python 编程语言实现。该项目通过引入新颖的级联调制生成对抗网络（CM-GAN）和对象感知训练方案，实现了高质量的图像修复效果。

项目基础介绍

该项目是 Haitian Zheng 等人开发的图像修复算法，旨在通过级联全局调制与空间自适应调制设计，以及对象感知训练方案，显著提高现有图像修复方法的定性和定量性能。项目遵循 Apache-2.0 开源协议，允许用户自由使用、修改和分享。

核心功能

1. 级联调制 GAN (CM-GAN)：项目提出了一种新型级联调制 GAN 结构，通过将全局调制与空间自适应调制相结合，更好地进行图像中的孔洞填充。
2. 对象感知训练方案：为了更有效地实现真实对象移除的用例，项目引入了一种生成更加逼真掩膜的对象感知训练方案。
3. 纹理与结构重建：CM-GAN 能够更好地重构纹理、全局结构和对象边界，相比现有方法在视觉效果上有显著提升。
4. 性能评估：项目在多个评估指标（如 FID、LPIPS、U-IDS 和 P-IDS）上均取得了优越的性能。

最近更新的功能

• 在线演示发布：项目团队计划发布在线演示，方便用户直观体验图像修复效果。
• 数据集更新：项目发布了 Places2 数据集的泛型标注，包括训练集、验证集和测试集的泛型分割标注。
• 评估结果发布：团队发布了 CM-GAN 的评估结果，包括对象感知掩膜和修复结果。
• 对象感知掩膜生成代码发布：为了方便用户生成对象感知掩膜，项目团队发布了相应的代码。

通过这些更新，CM-GAN-Inpainting 进一步提升了其易用性和性能，为图像修复领域的研究和应用提供了有力的工具。