填充图像与一些缺失的部分，最简单的方法是复制粘贴。其核心思想是首先从图像本身的剩余像素或数百万张图像的大数据集中搜索最相似的图像patch，然后直接将patch粘贴到缺失的部分。然而，搜索算法可能是耗时的，它涉及人工设计距离度量指标。其通用性和效率仍有很大的提高空间。
由于基于深度学习的方法和大数据时代，我们现在可以有数据驱动的基于深度学习的图像修复方法，可以生成图像中缺失的像素，具有良好的全局一致性和局部精细纹理。
AMiner整理了CVPR 2021图像编辑/图像修复领域的7篇论文。
1.论文名称：TransFill: Reference-guided Image Inpainting by Merging Multiple Color and Spatial Transformations
论文链接：https://www.aminer.cn/pub/60644b2091e011538305cf6a/
2.论文名称：DeFLOCNet: Deep Image Editing via Flexible Low-level Controls
3.论文名称：Generating Diverse Structure for Image Inpainting With Hierarchical VQ-VAE
4.论文名称：PISE: Person Image Synthesis and Editing with Decoupled GAN
5.论文名称：PD-GAN: Probabilistic Diverse GAN for Image Inpainting
6.论文名称：Anycost GANs for Interactive Image Synthesis and Editing
7.论文名称：Exploiting Spatial Dimensions of Latent in GAN for Real-time Image Editing
AMiner,让AI帮你理解科学：https://www.aminer.cn/
阅读原文，直达AMiner!