从部分绘制：一种新颖的部分绘制方法，涉及图像修复和图像扩展，利用局部域和全局域的知识，实现合理逼真的整个图像绘制

147790从部分绘制0郭东升1赵浩如1程云豪1郑海勇1，*顾兆瑞1郑冰1,201中国海洋大学水下视觉实验室（http://ouc.ai），2中国海洋大学三亚海洋研究所0（a）0（b）0（c）0（d）0图1.我们在各种数据集上进行的部分绘制结果，考虑了对象和场景，涉及到了图像扩展和图像修复（左：输入，右：输出）：（a）常规图像扩展，（b）不规则图像扩展，以及（c）图像修复。 （d）t-SNE [30]可视化三个花朵图像及其部分的嵌入，表明部分与整个图像之间存在强烈的相关性。0摘要0本文研究了从图像的一部分绘制整个图像的问题，即从部分绘制或简称为部分绘制，涉及到图像修复和图像扩展。为了充分利用局部域（部分）的信息和全局域（数据集）的知识，我们根据部分与整体之间的关系观察，提出了一种新颖的部分绘制方法，包括部分噪声重启、部分特征重绘和部分补丁细化三个阶段，通过利用生成对抗网络的强大表示能力，绘制整个图像。大量的消融研究表明了每个阶段的有效性，我们的方法在包括不规则图像扩展的图像修复和图像扩展基准上取得了最先进的性能。我们的代码和数据集可在https://github.com/zhenglab/partpainting上获得。0*通讯作者：郑海勇（zhenghaiyong@ouc.edu.cn）。本工作得到了中国国家自然科学基金会的资助（项目编号61771440和41776113），以及中央高校基本科研业务费专项资金的资助（项目编号202061002）。01. 引言0给定图像的一部分，人类具有自然的能力来绘制看不见的区域（例如，部分的外部或内部）[37]。从部分绘制，或简称为部分绘制，是根据图像的一部分绘制一个合理和逼真的整个图像的任务，它可以广泛应用于许多计算机视觉应用，如视图扩展[58, 47, 40]，纹理合成[25, 49, 42]，图像编辑[3,60, 9]和物体去除[28,55]。由于图像中部分的内在复杂性（例如，多样的形状和不同的位置），部分绘制充满了挑战。具体而言，为了从部分绘制出一个合理和逼真的整个图像，不仅需要从给定的部分（局部域）获取信息，还需要从其他相似的图像（全局域）学习知识。然而，部分的多个属性导致了部分绘制的局部域和全局域之间平衡的极其复杂和巨大的不确定性。因此，在保持局部域和全局域之间适当平衡的同时，如何充分利用局部域（部分）的信息和全局域（数据集）的知识对于从部分绘制是至关重要和关键的。最近在部分绘制方面取得了一些进展，即图像修复[51, 39, 55, 32, 38, 29]和图像扩展[48,14780043,17]主要将部分作为输入输入到卷积神经网络（CNN）中，并从数据集中学习完成整个绘制。对于内部部分绘制（图像修复），未知区域通常较小且位于部分内部，可以通过与缺失像素一致的周围像素进行卷积来填充少量缺失像素，从而产生有希望的结果[35, 53, 54, 28, 50,27]。但是对于外部部分绘制（图像扩展），未知区域位于部分外部且通常较大，使得这个任务倾向于是一个具有更多挑战的生成问题，最近的研究通过首先通过特征扩展或重建来扩展部分，然后通过对抗性学习生成结果来解决这个问题[48,17]。因此，当前的修复和扩展方法不容易相互应用：前者难以绘制大的合理内容[48,43]，后者由于要求输入为方形部分而无法处理自由形式的情况[48,17]。此外，以前的绘制方法主要在开始时“看”一次部分，无法充分利用绘制过程中来自部分的信息（例如，像素、补丁、特征）。在这项工作中，我们将自由形式部分的修复和扩展都作为一个统一的部分绘制框架来考虑。0我们基本上通过以下两个观察来解决部分绘画问题：（1）部分的低级和高级特征与整个图像的特征具有很强的统计相关性[41,44]，以及（2）部分的小补丁在整个图像中有很高的重复概率[15,61]。图1（d）显示了三个花朵示例的t-SNE[30]可视化嵌入，其中包含了每个部分和相应的整个图像，这表明（1）不同的整个图像具有相对独立的分布，而部分与相应的整个图像强相关，以及（2）每个示例的部分具有与相应整个图像非常相似的视觉特征。0因此，为了更好地利用部分（局部域）的信息，我们在绘画过程中利用了部分（部分特征和部分补丁）的特征级和补丁级信息；同时，为了在部分信息（局部域）和数据集知识（全局域）之间平衡绘画指导，我们设计了一种可学习的自适应策略，用于特征级重建和补丁级融合；此外，我们从局部部分分布（部分噪声）中采样噪声开始绘画，以通过生成对抗网络（GAN）的强大表示来确保更合理和逼真的合成。具体而言，我们构建了一个新颖的基于GAN的部分绘画网络架构，包括与部分噪声、部分特征和部分补丁相关的三个阶段，其中部分噪声是从部分编码的分布中采样得到的，部分特征是从部分中提取的0在多个层次上进行修复和注入到高级和低级综合中进行进一步的修复，部分补丁是从修复整个图像的部分掩码中获得的，然后用于查找并替换未知区域中与之最强相关的补丁进行最终的精化。我们的贡献包括：（1）我们提出了一个新的部分绘画任务，涉及从自由形式部分进行图像修复和图像扩展，以及解决该问题的新颖架构；（2）我们设计了三个阶段，即部分噪声重启、部分特征修复和部分补丁精化，用于引导和优化部分绘画；（3）我们的方法在包括我们新构建的不规则图像扩展数据集在内的自由形式部分的修复和扩展基准上取得了最先进的性能。02.相关工作02.1.修复和扩展0现有的图像修复和扩展研究主要可以分为非学习方法和学习方法。非学习的图像修复方法通常通过传播连续信息或从已知区域搜索和复制相似像素来填充未知区域[2, 6, 4, 3,10]，这对于纹理合成可能效果很好，但仅依靠已知区域很难产生语义上有意义的内容。非学习的图像扩展方法通常通过匹配和拼接从预构建的数据集中获得解决方案[13, 36, 1,58, 47,40]，这对于处理复杂场景不太适用，因为缺乏对图像的语义理解并受到使用的数据集的限制。因此，修复和扩展的非学习方法实际上是试图分别从部分（局部域）和数据集（全局域）中寻找类似的信息进行绘画。最近，深度卷积神经网络已经被开发用于学习强大的模型来解决图像修复和扩展问题。图像修复的学习方法可以分为直接和渐进两种方式。具体而言，一些方法尝试以直接的方式从可见区域绘制整个图像[19, 54, 52, 28, 55,27]，例如，Yu等人[54]提出了一种上下文注意层，从可见区域填充缺陷，使纹理更加逼真，Liu等人[28]和Yu等人[55]设计了特殊的卷积来构建能够填充不规则/自由形式区域的CNNs，Li等人[27]设计了一个循环特征推理网络，循环推断特征图的孔边界。渐进修复方法在多个阶段中修复未知区域[51, 38, 32, 26, 18,12]，通常利用额外的先验信息，例如，Xiong等人[51]和Nazeri等人[32]根据预先学习的轮廓/边缘知识进行未知区域的修复，Ren等人[38]根据先验的结构信息处理问题，Dong~r activations.sidual blocksremoving theriminator aree the ADAMll the exper-with 8 32GBrm, i.e., thesedatasets.dataset [32].alidation im-182 semanticimage synthe-nd 2, 000 val-dataset con-classes.K dataset thatal. [43].ne images inset sizes arehas achievedsults [43, 47]photos fromation set. Toa well-trainedtion masks.hesis methodsts on the sametion protocolrun a seman-ges and com-matches theages are re-odel shouldeasuring theIntersection-4 AB83icbVDLSgMxFL1TX7W+Rl26CRbBVZkRQZdFNy4r2Ad2hpJM21oJhOSjFCG/oYbF4q49Wfc+Tdm2lo64HA4Zx7uScnkpxp43nfTmVtfWNzq7pd29nd2z9wD486Os0UoW2S8lT1IqwpZ4K2DTOc9qSiOIk47UaT28LvPlGlWSoezFTSMEjwWJGsLFSECTYjKM4f5wN5MCtew1vDrRK/JLUoURr4H4Fw5RkCRWGcKx13/ekCXOsDCOczmpBpqnEZIJHtG+pwAnVYT7PENnVhmiOFX2CYPm6u+NHCdaT5PIThYZ9bJXiP95/czE12HOhMwMFWRxKM4MikqCkBDpigxfGoJorZrIiMscLE2JpqtgR/+curpHPR8L2Gf39Zb96UdVThBE7hHy4gibcQvaQEDCM7zCm5M5L86787EYrTjlzjH8gfP5A1wKkeE=AB83icbVDLSgMxFL1TX7W+Rl26CRbBVZkRQZdFNy4r2Ad2hpJM21oJhOSjFCG/oYbF4q49Wfc+Tdm2lo64HA4Zx7uScnkpxp43nfTmVtfWNzq7pd29nd2z9wD486Os0UoW2S8lT1IqwpZ4K2DTOc9qSiOIk47UaT28LvPlGlWSoezFTSMEjwWJGsLFSECTYjKM4f5wN5MCtew1vDrRK/JLUoURr4H4Fw5RkCRWGcKx13/ekCXOsDCOczmpBpqnEZIJHtG+pwAnVYT7PENnVhmiOFX2CYPm6u+NHCdaT5PIThYZ9bJXiP95/czE12HOhMwMFWRxKM4MikqCkBDpigxfGoJorZrIiMscLE2JpqtgR/+curpHPR8L2Gf39Zb96UdVThBE7hHy4gibcQvaQEDCM7zCm5M5L86787EYrTjlzjH8gfP5A1wKkeE=AB83icbVDLSgMxFL1TX7W+Rl26CRbBVZkRQZdFNy4r2Ad2hpJM21oJhOSjFCG/oYbF4q49Wfc+Tdm2lo64HA4Zx7uScnkpxp43nfTmVtfWNzq7pd29nd2z9wD486Os0UoW2S8lT1IqwpZ4K2DTOc9qSiOIk47UaT28LvPlGlWSoezFTSMEjwWJGsLFSECTYjKM4f5wN5MCtew1vDrRK/JLUoURr4H4Fw5RkCRWGcKx13/ekCXOsDCOczmpBpqnEZIJHtG+pwAnVYT7PENnVhmiOFX2CYPm6u+NHCdaT5PIThYZ9bJXiP95/czE12HOhMwMFWRxKM4MikqCkBDpigxfGoJorZrIiMscLE2JpqtgR/+curpHPR8L2Gf39Zb96UdVThBE7hHy4gibcQvaQEDCM7zCm5M5L86787EYrTjlzjH8gfP5A1wKkeE=AB83icbVDLSgMxFL1TX7W+Rl26CRbBVZkRQZdFNy4r2Ad2hpJM21oJhOSjFCG/oYbF4q49Wfc+Tdm2lo64HA4Zx7uScnkpxp43nfTmVtfWNzq7pd29nd2z9wD486Os0UoW2S8lT1IqwpZ4K2DTOc9qSiOIk47UaT28LvPlGlWSoezFTSMEjwWJGsLFSECTYjKM4f5wN5MCtew1vDrRK/JLUoURr4H4Fw5RkCRWGcKx13/ekCXOsDCOczmpBpqnEZIJHtG+pwAnVYT7PENnVhmiOFX2CYPm6u+NHCdaT5PIThYZ9bJXiP95/czE12HOhMwMFWRxKM4MikqCkBDpigxfGoJorZrIiMscLE2JpqtgR/+curpHPR8L2Gf39Zb96UdVThBE7hHy4gibcQvaQEDCM7zCm5M5L86787EYrTjlzjH8gfP5A1wKkeE=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AB8XicbVBNS8NAFHypX7V+VT16WSyCp5KIoMeiFy9CBVuLbSib7Uu7dLMJuxuhP4Lx4U8eq/8ea/cdPmoK0DC8PMe+y8CRLBtXHdb6e0srq2vlHerGxt7+zuVfcP2jpOFcMWi0WsOgHVKLjEluFGYCdRSKNA4EMwvs79hydUmsfy3kwS9CM6lDzkjBorPfYiakZBmN1O+9WaW3dnIMvEK0gNCjT71a/eIGZphNIwQbXuem5i/Iwqw5nAaWXakwoG9Mhdi2VNELtZ7PEU3JilQEJY2WfNGSm/t7IaKT1JArsZJ5QL3q5+J/XTU146WdcJqlByeYfhakgJib5+WTAFTIjJpZQprjNStiIKsqMLaliS/AWT14m7bO659a9u/Na46qowxHcAyn4MEFNOAGmtACBhKe4RXeHO28O/Ox3y05BQ7h/AHzucPu+KQ8Q=AB8XicbVBNS8NAFHypX7V+VT16WSyCp5KIoMeiFy9CBVuLbSib7Uu7dLMJuxuhP4Lx4U8eq/8ea/cdPmoK0DC8PMe+y8CRLBtXHdb6e0srq2vlHerGxt7+zuVfcP2jpOFcMWi0WsOgHVKLjEluFGYCdRSKNA4EMwvs79hydUmsfy3kwS9CM6lDzkjBorPfYiakZBmN1O+9WaW3dnIMvEK0gNCjT71a/eIGZphNIwQbXuem5i/Iwqw5nAaWXakwoG9Mhdi2VNELtZ7PEU3JilQEJY2WfNGSm/t7IaKT1JArsZJ5QL3q5+J/XTU146WdcJqlByeYfhakgJib5+WTAFTIjJpZQprjNStiIKsqMLaliS/AWT14m7bO659a9u/Na46qowxHcAyn4MEFNOAGmtACBhKe4RXeHO28O/Ox3y05BQ7h/AHzucPu+KQ8Q=AB8XicbVBNS8NAFHypX7V+VT16WSyCp5KIoMeiFy9CBVuLbSib7Uu7dLMJuxuhP4Lx4U8eq/8ea/cdPmoK0DC8PMe+y8CRLBtXHdb6e0srq2vlHerGxt7+zuVfcP2jpOFcMWi0WsOgHVKLjEluFGYCdRSKNA4EMwvs79hydUmsfy3kwS9CM6lDzkjBorPfYiakZBmN1O+9WaW3dnIMvEK0gNCjT71a/eIGZphNIwQbXuem5i/Iwqw5nAaWXakwoG9Mhdi2VNELtZ7PEU3JilQEJY2WfNGSm/t7IaKT1JArsZJ5QL3q5+J/XTU146WdcJqlByeYfhakgJib5+WTAFTIjJpZQprjNStiIKsqMLaliS/AWT14m7bO659a9u/Na46qowxHcAyn4MEFNOAGmtACBhKe4RXeHO28O/Ox3y05BQ7h/AHzucPu+KQ8Q=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AB83icbVDLSgMxFL1TX7W+qi7dBIvgqsyIUJdFN3ZXwT6gM5RMmlDk8yQZIQy9DfcuFDErT/jzr8x085CWw8EDufcyz05YcKZNq7ZQ2Nre2d8q7lb39g8Oj6vFJV8epIrRDYh6rfog15UzSjmG036iKBYhp71wepf7vSeqNIvlo5klNB4LFnECDZW8n2BzUSJrNWa+8Nqza27C6B14hWkBgXaw+qXP4pJKqg0hGOtB56bmCDyjDC6bzip5omEzxmA4slVhQHWSLzHN0YZURimJlnzRof7eyLDQeiZCO5ln1KteLv7nDVIT3QZk0lqCTLQ1HKkYlRXgAaMUWJ4TNLMFHMZkVkghUmxtZUsSV4q19eJ92rufWvYfrWvO2qKMZ3AOl+BA5pwD23oAIEnuEV3pzUeXHenY/laMkpdk7hD5zPHyWAkb0=AB83icbVDLSgMxFL1TX7W+qi7dBIvgqsyIUJdFN3ZXwT6gM5RMmlDk8yQZIQy9DfcuFDErT/jzr8x085CWw8EDufcyz05YcKZNq7ZQ2Nre2d8q7lb39g8Oj6vFJV8epIrRDYh6rfog15UzSjmG036iKBYhp71wepf7vSeqNIvlo5klNB4LFnECDZW8n2BzUSJrNWa+8Nqza27C6B14hWkBgXaw+qXP4pJKqg0hGOtB56bmCDyjDC6bzip5omEzxmA4slVhQHWSLzHN0YZURimJlnzRof7eyLDQeiZCO5ln1KteLv7nDVIT3QZk0lqCTLQ1HKkYlRXgAaMUWJ4TNLMFHMZkVkghUmxtZUsSV4q19eJ92rufWvYfrWvO2qKMZ3AOl+BA5pwD23oAIEnuEV3pzUeXHenY/laMkpdk7hD5zPHyWAkb0=AB83icbVDLSgMxFL1TX7W+qi7dBIvgqsyIUJdFN3ZXwT6gM5RMmlDk8yQZIQy9DfcuFDErT/jzr8x085CWw8EDufcyz05YcKZNq7Z