【论文】（论文+代码+数据）全局和局部一致的缺漏图像完整性技术

我们提出一种新颖的图像补全方法，可以保持图像在局部和全局一致。使用完全卷积神经网络，我们可以通过填充任何形状的缺失区域来完成任意分辨率的图像。为了训练这个图像完成网络是一致的，我们使用全局和本地上下文鉴别器进行训练，以区分真实图像和已完成的图像。全局鉴别器查看整个图像，以评估其是否整体是一致的，而本地鉴别器仅在以完整区域为中心的小区域上看，以确保生成的补丁的本地一致性。然后对图像完成网络进行训练以使用两个上下文鉴别网络，这要求它在总体一致性以及细节方面产生与实际不可区分的图像。我们表明我们的方法可以用来完成各种各样的场景。此外，与基于补丁的方法（例如PatchMatch）相比，我们的方法可以生成不出现在图像中的其他部分的片段，这使得我们能够自然地完成具有熟悉和高度特定的结构（如面部）的对象图像。