原文链接：
https://mp.weixin.qq.com/s/Ug0jyloNkeL6uuCqv9K0SA
https://zhuanlan.zhihu.com/p/60426825
（个人备份使用，如需删除请私信）
人脸补全问题（2016-2018 review）
近年来，图像补全问题在应用深度学习技术的条件下已经实现了较好的补全效果，甚至于人眼也难以分辨。故而，该技术也已经成为图像补全问题上的一个研究热点。同时，如何修改对抗生成网络以使其更好的适应图像补全问题来构造更有效的生成模型已经得到了越来越多的关注。人脸补全作为图片补全问题的一个分支，是一种常见的人脸图像编辑技术，它也可以用来编辑人脸属性。生成的人脸图像既可以与原始人脸图像一样精确，也可以与未遮挡人脸图像在内容上保持一致，以使补全的图像看起来具有真实的视觉感受。
正文
1.Introduction
图像补全，即是将图片中缺失的像素补充上, 目的是使得没有看过这原图像的观察者无法察觉出这其实是补全的图像. 有时为了移除图像中的一些物体, 会手动地将这些物体遮挡起来进行补全. 一般来说, 按照补全的难易程度可以将该问题分成两类: (1) 补全较小的区域 —— 细缝, 文字等; (2)补全较大的区域 —— 整块的缺失图片. 如下图所示:
2.Method
该方法不仅补全的效果好, 还支持user-guided image inpainting. 如下图:
图像修复 2019-2020 论文总结：
https://positive.blog.csdn.net/article/details/108531635