一种基于注意力机制的对抗型自编码器图像修复模型
黄梓玉
钱崇辉
黄恒君
兰州财经大学 统计与数据科学学院,兰州 730010;甘肃省数字经济与社会计算科学重点实验室,兰州 730010
摘要：为解决图像修复中存在的伪影以及细节表达不一致等问题,提出一种基于注意力机制的对抗型自编码器(adversarial auto-encoder based on attention mechanism,AAEA)图像修复模型.在通用编码器模型基础上,通过在生成器跳跃连接处引入通道注意力构造通道相似性融合模块(channel similarity fusion module,CSFM)的方式使通道之间的特征关系更丰富.在解码器网络中,通过空间注意力与位置编码结合的方式构造位置融合模块(location fusion model,LFM),增强边界位置信息表达.消融实验结果表明,引入的CSFM、LFM模块均能有效提升模型性能,阈值为1.253 时的准确率达到 0.9808.AAEA模型能够更好地处理复杂的图像修复任务,有效地改正错乱纹理,并在掩膜边缘区域获得清晰的修复结果,对于壁画修复以及计算机视觉等图像修复领域的发展具有重要意义.
关键词：注意力机制对抗型自编码器图像修复深度学习区域填充
分类号：TP391.41(计算技术、计算机技术)
资助基金：中央引导地方科技发展项目(YDZX20216200001876)
论文发表日期：2024-03-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 81-85,91 )
英文信息