简介:摘 要 图像修复是指利用图像的已知区域信息去重建图像或视频的未知区域的过程。在过去基于深度学习的图像补全网络,采用基于自编码的双阶段修复模型,如 Deepfill 网路,并在第二阶段加入基于注意力机制的内容注意力模块提高修复水平,但整体修复效果容易出现伪影,模糊,边缘结构不清等问题,后续不少论文根据此问题,通过提高特征提取的效率来改进算法,但增加了运算量并使算法复杂化。本文章针对这个问题提出了一种基于特征均衡的改进内容注意力模块。该模块在不引入其他权重的前提下,提高模型整体修复效果。改进的内容注意力模块的通过特征均衡使前景像素点不仅能获取当前分数最大的背景块建议,同时能获得周围背景块的建议,使最终生成图像在结构表现上更平滑,语义更统一,减少了生成的图像模糊和伪影。实验在CelebA-HQ和Paris数据集上与另外两种模型进行了数值对比。本文模型在CelebA-HQ数据集对小面积掩码(