O uso de características estruturais da imagem para restauração de imagem é um método novo que surgiu nos últimos anos no contexto da ampla aplicação de técnicas de aprendizado profundo. Esse método pode gerar conteúdo razoável nas áreas faltantes, mas os resultados da restauração de imagem dependem excessivamente do conteúdo extraído da estrutura da imagem, e durante o treinamento prático ocorre a propagação e acumulação contínua de erros. Uma vez que a estrutura da imagem contenha ruído ou distorção, isso afeta diretamente a qualidade da geração da imagem. Esse método está na fase de exploração e aplicação, ainda apresentando problemas como a alta dificuldade no treinamento da rede, baixa robustez e inconsistência semântica no contexto das imagens geradas. Para isso, este artigo propõe uma estrutura de rede paralela guiada pela estrutura suave da imagem. O conteúdo gerado pela estrutura suave da imagem não é usado diretamente como entrada da próxima etapa da rede, servindo apenas para fornecer informações de orientação para a camada de decodificação da rede. Ao mesmo tempo, para melhor combinar e equilibrar as relações características entre a estrutura e a imagem, este artigo combina o transformer para propor um módulo de orientação de características multiescala. Esse módulo utiliza a poderosa capacidade de modelagem global do transformer para combinar e equilibrar características entre a estrutura e a textura da imagem. Os resultados experimentais mostram que o método proposto pode restaurar eficazmente o conteúdo faltante da imagem em três conjuntos de dados comuns, e pode ser usado como uma ferramenta de edição de imagens para remoção de objetos alvo.

restauração de imagem; aprendizado profundo; estrutura suave; Transformer