来源：期刊VIP网 时间：
作者：滕林;张乾;徐开丽;
单位：贵州民族大学数据科学与信息工程学院;贵州省模式识别与智能系统重点实验室;
摘要：为使人脸图像缺失的语义特征填补更真实，细节信息恢复更明显，文中提出一种基于卷积注意力模块（CBAM）和上下文信息聚合转换（ACT）网络的人脸图像修复方法。该方法保留基准模型的两个分支，在语义和图像滤波分支中引入CBAM层能够捕获填充图像缺失区域的关键细节信息，基准残差块更换为ACT残差能够保留缺失区域外的丰富细节，捕获丰富的上下文信息，使得该分支对图像的语义信息填补更准确，能够有效去除伪影和丰富图像细节。在核预测分支中引入这两个模块能够增强提取图像特征时的感受野和上下文推理感知，使滤波核的动态预测更精确。该方法在CelebA-HQ数据集上进行验证，定量指标PSNR、SSIM、L_1均有改善，定性修复结果呈现更加清晰自然。研究证实该方法对人脸图像修复有较好的效果。
关键词：图像修复;;CBAM注意力机制;;ACT网络;;编码器-解码器;;人脸图像修复;;图像滤波
基金资助：贵州省高等学校智能算法与智能软件协同创新团队（黔教技[2023]061号）;; 贵州省高等学校大数据分析与智能计算重点实验室（黔教技[2023]012号）;; 贵州民族大学校级科研项目（GZMUZK[2023]QN10）;贵州民族大学校级科研项目（GZMUZK[2021]YB23）
