细而深的网络结构 | 图像修复 五大 卷积 | 后续关注的知识点

本文当前，还很粗糙，谨慎查阅
后续看到相关资料再更新

摘自 论文 Generative Image Inpainting with Contextual Attention

our inpainting network is designed in a thin and deep scheme for efficiency purpose and has fewer parameters than the one in[15].

为了提高网络的效率，我们设计了一个细（窄）而深的修复网络模型，并且比现有的修复网络具有更少的参数[15].

图像修复 五大 卷积

常规卷积

空洞卷积

部分卷积 [ 2018 Image Inpainting for Irregular Holes Using Partial Convolutions ]

门控卷积 [ 2019 Free-Form Image Inpainting with Gated Convolution ]

部分卷积 + 反卷积

相关提及论文

门控卷积

文章来源: positive.blog.csdn.net，作者：墨理学AI，版权归原作者所有，如需转载，请联系作者。

原文链接：positive.blog.csdn.net/article/details/113500504