weixin_42923416的博客

Paper：https://arxiv.org/pdf/1806.03589.pdfCode：https://github.com/JiahuiYu/generative_inpainting普通CNN在inpainting的弊端普通卷积的权重共享无差别的滑过所有pixels或feature。并不会区分是valid的或是带修补区域的，一并做统一处理。而待修补区域部分本身是没有语义信息的，是invalid，和已知区域做一样的处理是不合适的。通常会导致视觉伪影，颜色差异，模糊和明显的边缘反应。Part

Paper：https://arxiv.org/pdf/1801.07892.pdfCode：https://github.com/JiahuiYu/generative_inpainting/tree/v1.0.0基于S. Iizuka, E. Simo-Serra, and H. Ishikawa. Globally and locally consistent image completion. ACM Transactions on Graphics (TOG), 36(4):107, 201

CVPR2017：High-Resolution Image Inpainting using Multi-Scale Neural Patch Synthesisproject website：http://www.harryyang.org/inpainting/code：https://github.com/leehomyc/Faster-High-Res-Neural-Inpainting参考博客：https://www.cnblogs.com/wenshinlee/p/12444785.h