基于注意力机制的图像修复方法研究综述.docVIP

基于注意力机制的图像修复方法研究综述

一、图像修复任务的核心挑战与注意力机制的适配性

图像修复的本质是对图像中缺失、受损或被遮挡区域的像素进行合理预测，使修复结果在视觉一致性、语义合理性和纹理细节真实性三个维度达到最优。传统图像修复方法如基于偏微分方程的方法、基于样本块匹配的方法仅能处理小范围缺失或规则结构破损，面对大面积不规则遮挡、复杂语义场景时往往出现结构扭曲、纹理模糊或语义冲突等问题。深度学习时代的生成式修复方法通过卷积神经网络捕捉图像的全局特征，但卷积操作的局部感受野特性导致模型难以建立远距离像素间的依赖关系，尤其在修复包含强语义关联的场景（如人脸五官对称关系、建筑结构连续性、自然场景物体空间逻辑）时，容易生成不符合常识的内容。

注意力机制的核心价值在于打破了卷积操作的空间局部性限制，能够动态计算图像中任意位置像素与当前待修复区域的相关性，为每个像素分配自适应的权重，使模型在生成修复内容时能够精准调用全局范围内的有效特征。自2017年Transformer架构在自然语言处理领域取得突破后，视觉Transformer（ViT）和自注意力模块被逐步引入计算机视觉任务，其全局建模能力恰好匹配图像修复对长距离特征依赖的需求：一方面，注意力机制可以捕捉非局部的结构相似性，例如修复被遮挡的建筑物窗户时，能够自动参考图像其他区域的窗户形状、排列规律生成一致的结构；另一方面，通道注意力和空