이미지 구조 특성을 활용한 이미지 복원은 최근 딥러닝 기술의 광범위한 적용 배경에서 등장한 새로운 방법입니다. 이 방법은 결손 영역 내에서 합리적인 내용을 생성할 수 있지만, 이미지 복원 결과가 이미지 구조에서 추출된 내용에 크게 의존하며, 실제 학습 과정에서 오류가 지속적으로 전파 및 누적되는 문제가 발생합니다. 이미지 구조에 노이즈나 왜곡이 있는 경우, 이는 이미지 생성 품질에 직접적인 영향을 미칩니다. 이 방법은 탐색적 응용 단계에 있으며, 네트워크 학습 난이도가 크고, 강인성이 낮으며, 생성 이미지의 문맥 의미 불일치 등의 문제가 여전히 존재합니다. 이에 본 논문에서는 이미지 평활 구조 지도로 복원을 수행하는 병렬 네트워크 구조를 제안합니다. 이미지 평활 구조에서 생성된 내용은 다음 단계 네트워크의 입력으로 직접 사용되지 않고, 네트워크 디코딩 층에 지침 정보를 제공합니다. 또한 구조와 이미지 간의 특성 관계를 보다 잘 매칭하고 균형을 맞추기 위해, 본 논문에서는 트랜스포머(Transformer)를 결합한 다중 스케일 특성 지도 모듈을 제안합니다. 이 모듈은 트랜스포머의 강력한 전역 특성 모델링 능력을 활용하여 구조와 이미지 텍스처 간 특성을 매칭하고 균형을 맞춥니다. 실험 결과, 제안한 방법은 세 가지 일반적인 데이터셋에서 이미지 결손 내용을 효과적으로 복원할 수 있으며, 목표물 제거를 위한 이미지 편집 도구로 활용할 수 있음을 보여줍니다.

이미지 복원; 딥러닝; 평활 구조; 트랜스포머