论文标题：TFill: Image Completion via a Transformer-Based Architecture 论文链接：https://arxiv.org/abs/2104.00845 代码链接：https://github.com/lyndonzheng/TFill 作者单位：南洋理工大学 & 蒙纳士大学

表现SOTA！性能优于HiFill、PICNet等网络，代码即将开源！

桥接远处的上下文交互对于使用大型mask的高质量图像补全非常重要。以前尝试通过深或大的感受野（RF）卷积进行此操作的方法无法摆脱附近交互作用的支配地位，而这可能是劣势的。在本文中，我们提出将图像补全处理视为无方向的序列到序列预测任务，并在第一阶段部署Transfoemer直接捕获编码器中的远程依赖性。至关重要的是，我们采用具有较小且不重叠的RF的限制性CNN来表示token，这使Transformer可以在所有层中显式建模具有相同重要性的远程上下文关系，而在使用较大的RF时不会隐式混淆相邻token。在第二阶段中，为了提高可见区域与生成区域之间的外观一致性，引入了一种新型的注意力感知层（AAL），以更好地利用远距离相关的功能并避免标准注意的孤立效果。总体而言，广泛的实验表明，与多个数据集上的最新方法相比，该方法具有优越的性能。

内容中包含的图片若涉及版权问题，请及时与我们联系删除