计算机工程与科学

作者：李志鹏1, 陈丹阳1, 2, 钟诚1, 2

单位：（1.广西大学计算机与电子信息学院，广西 南宁 530004；2.广西大学广西高校并行分布式计算技术重点实验室，广西 南宁 530004）

关键词：图像修复,深度学习,注意力机制,编码器-译码器结构,

基金：广西科技发展战略研究专项课题(桂科ZL19107008)

为了修复大面积破损图像，提出了一种新的多重修复网络模型。首先该模型通过增加特征修复环节减少了修复错误在网络上采样过程中的积累；其次提出多尺度修复模块（MSRM），该模块能够综合不同视野的信息对特征图进行补全；然后利用注意力机制对修复块进行优化，解决了由不同区域修复程度不同导致的输出图像各区域色彩不协调问题；最后对损失函数进行改进，使模型更加注重对图像破损区域的修复。实验结果显示，在Places2和CelebA数据集上的修复图像的质量均有不同程度的提升，并且随着图像缺失像素比例增大，提升效果更加明显。

来源：2025年第9期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2025年第9期