论文|Free-Form Image Inpainting with Gated Convolution
目录
Abstract
本文使用 free-form mask (自由随意的mask，可以理解为一种新的mask，拥有任意的形状，既包括regular mask ，也包括irregular mask) 为引导，提出了一个图像修复系统。 gated convolutions（门控卷积），它解决了普通卷积将所有输入pixels都作为有效pixels的问题， 为所以layers每个channel 每个spatial location提供一个可学习的动态特征选择机制。SN-PatchGAN（基于patch的GAN损失），可使训练快速，稳定。
Introduction
简单介绍了image inpainting任务，目前的image inpainting概括为两种（非深度学习的方法和深度学习方法）：一种是用 low-level的image features进行patch匹配，另一种是深度卷积网络的前馈生成模型。第一种方法会合成固定纹理，但在非平稳情况下会失败。第二种方法受限于Vanilla convolutions(普通卷积)将所有输入pixels都作为有效pixels，不适用于image inpainting任务。
为了解决普通卷积的问题，NVIDIA提出了Partial convolution (部分卷积)，公式如下，但它将含有1个有效值像素的区域与含有9个有效值像素的区域同等对待,这也不合理（后面具体说）。
为此我们提出了gated convolutions（门控卷积）。
Related Work
- Automatic Image Inpainting
- Guided Image Inpainting and Synthesis
- Feature-wise Gating
Approach
Gated Convolution
Vanilla convolutions不适合图像修复任务很好理解，对于Partial convolution也存在以下局限。
- 启发式地将所有spatial locations分类为有效或无效。 无论上一层filter范围覆盖多少pixels，下一层的mask都将设置为1。
- 它与其他用户的输入不兼容。 我们针对的是user-guided（作者反复强调）的图像修复系统，在该系统中，用户可以随意在mask内部提供稀疏草图作为条件。 在这种情况下，应将这些pixel位置视为有效还是无效？ 如何正确更新下一层的mask？
- Partial convolution中，无效pixel将在深层中逐渐消失，从而将所有mask值逐渐转换为1。 但是，我们的研究表明，如果我们允许网络自动学习最佳mask，即使在较深的层中，网络也会为每个空间位置分配soft mask值。
- 每层中的所有channels共享相同的mask，这限制了灵活性。本质上，Partial convolution可以看作是难以学习的单通道特征hard-gating。
gated convolutions ，公式如下，
是激活函数，如ReLU, ELU 和 LeakyReLU
是sigmoid函数，输出介于0-1之间
显而易见，gated convolutions通过conv和sigmoid来学习一种动态特征选择机制。下图中，左边是Partial convolution，右边是gated convolutions。部分卷积的输入是两个，input image和mask。而门卷积是一个，它将input image和mask concat一起，分两路经过conv卷积，一个经过sigmoid，一个经过激活层，后将两个输出相乘。
Spectral-Normalized Markovian Discriminator (SN-PatchGAN)
由于本文针对free-form的情况（在任何位置可能有多个具有任何形状的holes），借鉴了global and local GANs 、MarkovianGANs、perceptual loss、spectral-normalized GANs，提出了一个有效的GAN loss，SN-PatchGAN（PatchGAN和SN-GANs的结合）。判别器结构如下图所示。
其中，6个卷积层（卷积核大小为5，步幅为2）来获得局部图像块 Patches特征的统计信息。同时使用谱归一化来进一步稳定GAN的训练（可以看下SN-GANs这篇论文）。
文章是一个coarse to fine的网络结构。
