这篇教程CVPR 2020 论文大盘点-图像修复Inpainting篇写得很实用，希望能帮到您。
CVPR 2020 论文大盘点-图像修复Inpainting篇本篇聚焦于图像修复（Image Inpainting）。
示例如下图：
图片来自 https://sites.google.com/site/gachoncvip/projects/image-inpainting
上图中被污损的图像（左）被修复为图像（中），右图为参考图像。修复时污损的mask是给定的。
该技术可用于修复老照片或者网络易丢包的图像传输等。因为其化腐朽为神奇的能力，经常见诸报端。
CVPR 2020 有 7 篇相关文献，技术上，因为GAN强大的图像生成能力被广泛使用。同时图像修复不再局限于2D图像，最有意思的是弗吉尼亚理工学院等发明的 3D Photography Using Context-Aware Layered Depth Inpainting 其对老照片在深度信息上进行修复，把定格的世界激活了！
华为提出的超高分辨率的图像修复方法 Contextual Residual Aggregation for Ultra High-Resolution Image Inpainting 也非常吸引人，代码还开源了。
香港城市大学、微软等复活老照片的方法 Bringing Old Photos Back to Life 效果也非常赞。强烈推荐全屏看看视频结果。
图像修复也不是一套算法能通吃的，在特定领域还需要有特殊的考虑。特别值得一提的复旦大学发表的 Assessing Eye Aesthetics for Automatic Multi-Reference Eye In-Painting 论文，在眼部inpainting问题中引入美学评价，使修复结果更自然更具吸引力。
已经开源或者即将开源的论文，把代码地址也附上了。
大家可以在：
http://openaccess.thecvf.com/CVPR2020.py
按照题目下载这些论文。
如果想要下载所有CVPR 2020论文，请点击这里：
CVPR 2020 论文全面开放下载，含主会和workshop
基于无监督跨空间转换的多样化图像修复
[1].UCTGAN: Diverse Image Inpainting Based on Unsupervised Cross-Space Translation
作者 | Lei Zhao, Qihang Mo, Sihuan Lin, Zhizhong Wang, Zhiwen Zuo, Haibo Chen, Wei Xing, Dongming Lu
单位 | 浙江大学
用于超高分辨率图像修复的上下文残差聚合
[2].Contextual Residual Aggregation for Ultra High-Resolution Image Inpainting
作者 | Zili Yi, Qiang Tang, Shekoofeh Azizi, Daesik Jang, Zhan Xu
单位 | 华为技术有限公司（加拿大）
代码 | https://github.com/Ascend-Huawei/Ascend-Canada/tree/master/Models/Research_HiFIll_Model
备注 | CVPR 2020 Oral
图像修复的递归特征推理
[3].Recurrent Feature Reasoning for Image Inpainting
作者 | Jingyuan Li, Ning Wang, Lefei Zhang, Bo Du, Dacheng Tao
单位 | 武汉大学；悉尼大学
代码 | https://github.com/jingyuanli001/RFR-Inpainting
恢复深度信息，让老照片3D动起来
[4].3D Photography Using Context-Aware Layered Depth Inpainting
作者 | Meng-Li Shih, Shih-Yang Su, Johannes Kopf, Jia-Bin Huang
单位 | 弗吉尼亚理工学院暨州立大学；清华大学（新竹）；Facebook
代码 | https://github.com/vt-vl-lab/3d-photo-inpainting.git
主页 | https://shihmengli.github.io/3D-Photo-Inpainting/
解读 | 老照片的复活，焕发生机与跃然纸上！这篇CVPR2020的论文彻底火了
老照片也能有 3D 效果！
基于GAN的语义修复
[5].Prior Guided GAN Based Semantic Inpainting
作者 | Avisek Lahiri, Arnav Kumar Jain, Sanskar Agrawal, Pabitra Mitra, Prabir Kumar Biswas
单位 | 印度理工学院；微软
[6].Bringing Old Photos Back to Life
作者 | Ziyu Wan, Bo Zhang, Dongdong Chen, Pan Zhang, Dong Chen, Jing Liao, Fang Wen
单位 | 香港城市大学；微软亚洲研究院；Microsoft Cloud + AI；中国科学技术大学
主页 | http://raywzy.com/Old_Photo/
备注 | CVPR 2020 Oral
相关 | CVPR 2020丨图像超清化+老照片修复技术，拯救你所有的模糊、破损照片
解读 | CVPR 2020 Oral｜效果超群的老照片“复活”算法
修复效果：
相关视频：
眼睛是心灵的窗口，也是面部最具吸引力的部位，该文提出一种针对眼部inpaint任务的眼部美学评估方法，在其引导下可以生成更加自然更具吸引力的眼部inpaint结果，超越商业软件Adobe Photoshop Elements的效果。
[7].Assessing Eye Aesthetics for Automatic Multi-Reference Eye In-Painting
作者 | Bo Yan, Qing Lin, Weimin Tan, Shili Zhou
单位 | 复旦大学
（a）为待修补的图像，（b）为Photoshop的结果，（d）为该文结果
————————————————
版权声明：本文为CSDN博主「我爱计算机视觉」的原创文章，原文链接：https://blog.csdn.net/moxibingdao/article/details/107075598
CVPR 2020 论文大盘点-去雨去雾去模糊篇
基于深度学习的Image Inpainting (图像修复)论文推荐 |
