图像修复利器：Globally and Locally Consistent Image Completion

项目基础介绍

本项目是基于SIGGRAPH 2017论文《Globally and Locally Consistent Image Completion》的开源实现，由Satoshi Iizuka、Edgar Simo-Serra和Hiroshi Ishikawa共同开发。项目使用Lua语言编写，通过深度卷积网络实现了对任意分辨率图像中任意形状缺失区域的修复。

主要编程语言

• Lua

核心功能

本项目的主要功能是通过训练深度卷积网络来完成图像中缺失的部分。网络能够处理任意分辨率的图像，并填补任何形状的缺失区域。项目中使用了全局和局部上下文判别器来训练完成网络，确保了修复结果的局部和全局一致性。

项目最近更新的功能

截至最近更新，项目新增以下功能：

1. 新的修复模型：发布了两个新的模型，分别是completionnet_places2_freeform_t7和completionnet_celeba_t7。其中，completionnet_places2_freeform_t7是在Places2数据集上训练的，能够处理自由形状的孔洞，而completionnet_celeba_t7是在CelebA数据集上训练的，针对矩形孔洞进行修复。

2. 支持随机孔洞生成：如果用户没有指定孔洞掩模，系统将自动生成随机孔洞进行修复。

3. 增强的性能：在特定尺寸范围内，例如在Places2模型中，对尺寸为[256, 384]像素的图像和[96, 128]像素范围的随机孔洞进行了优化，提升了修复性能。

4. 易用的脚本：项目提供了简单的脚本download_model.sh用于下载模型，以及inpaint.lua用于执行图像修复操作，用户可以通过简单的命令行参数来指定输入图像、掩模图像、使用的模型、是否使用GPU等选项。

通过这些更新，项目不仅提高了图像修复的效率和质量，也使得用户能够更加方便地使用和集成到自己的工作中。