EdgeConnect：基于边缘预测的结构引导图像修复，ICCV 2019 https://arxiv.org/abs/1901.00212
EdgeConnect：基于边缘预测的结构引导图像修复，ICCV 2019 https://arxiv.org/abs/1901.00212
我们开发了一种新的图像修复方法，能够更好地再现具有丰富细节的填充区域，这源于我们对艺术家创作过程的理解：先线条，后色彩。我们提出了一个两阶段的对抗模型EdgeConnect，它由一个边缘生成器和一个图像补全网络组成。边缘生成器会推测图像缺失区域（包括规则和不规则区域）的边缘，而图像补全网络则利用推测出的边缘作为先验信息来填充缺失区域。系统的详细描述可在我们的论文中找到。
(a) 带有缺失区域的输入图像。缺失区域以白色表示。(b) 计算得到的边缘掩码。黑色绘制的边缘是使用Canny边缘检测器计算得出的（针对可用区域）；而蓝色显示的边缘则由边缘生成器网络推测得到。(c) 所提方法的图像修复结果。
git clone https://github.com/knazeri/edge-connect.git
cd edge-connectpip install -r requirements.txt我们使用 Places2、CelebA 和 Paris Street-View 数据集。要在完整数据集上训练模型，请从官方网站下载数据集。
下载后，运行 scripts/flist.py 以生成训练集、测试集和验证集的文件列表。例如，要在 Places2 数据集上生成训练集文件列表，请运行：
mkdir datasets
python ./scripts/flist.py --path path_to_places2_train_set --output ./datasets/places_train.flist我们的模型在Liu等人提供的不规则掩码数据集上进行了训练。
暂无开放 Issues，或尚未同步最近议题。