提出采用两步聚合范式来解决在视频序列中计算光流时存在的位移、运动细节和遮挡问题，并对其进行实验验证，证明其在计算机视觉基准测试中取得了最先进的结果，尤其是在位移和遮挡的情况下表现出显著的提升。

Jul, 2014

这篇论文提出了一种基于全局、基于补丁的功能的自动视频修复算法，可以处理动态纹理、多个移动对象和移动背景等挑战情况，并在执行时间方面比现有技术快一个数量级。最终的算法不需要分割或手动输入，只需要定义修复遮罩即可，并且能够处理比以前的工作更广泛的情况。

Mar, 2015

该研究提出了一种有前景意识的图像修复系统，通过分离结构推断和内容完成，学习预测前景轮廓并利用预测的轮廓进行纹理填充。实验表明，该方法在处理复杂图像的同时，能够显著提高图像修复的性能。

Jan, 2019

本文研究了修复人造场景图像（inpainting）的任务，提出了学习 Sketch Tensor（ST）空间，以恢复图像中的边缘、线条和交点，并使用多尺度 Sketch Tensor inpainting（MST）网络进行结构细化，实现了很好的修复效果。实验证明了我们模型的高效性，并且在修复自然图像方面也与竞争对手具有相当的竞争力。

Mar, 2021

本文提出了一种基于transformer的大孔修复模型，它结合了大尺寸的图像处理和transformer的优势，通过在注意力模块中定制面向修复的transformer块并使用动态掩码来聚合非局部信息，得到了在多个基准数据集上最先进的效果。

Mar, 2022

通过结合深度学习和传统方法，使用 LaMa 和 PatchMatch 对超过 4K 分辨率的图像进行修复，并通过一种新颖的策略即 8x8 反对称成对偏好矩阵的列求和来选择一个好的修复结果。实验结果优于 8 种基线模型和 4 种 SOTA 模型。

Aug, 2022

研究了文本到图像修复模型在卫星图像数据中的实用性，通过引入基于StableDiffusion和ControlNet的新型修复框架以及一种新的RGB到MSI转换方法，解决了将结构引导信号注入到生成过程中的两个技术挑战，以及将修复的RGB像素转换为更广泛的MSI波段。对更广泛的数据集的结果表明，通过StableDiffusion生成的修复结果存在不受欢迎的伪影，而自监督内部修复的简单替代方法具有更高的合成质量。

Nov, 2023

本文介绍了一种新颖的方法，通过将2D扩散模型提炼为学习的3D场景表示（例如NeRF），对给定的有掩模的多视图图像进行3D区域修补。

Dec, 2023

本研究提出了一种基于基于补丁技术的改进型模型驱动方法，通过引入混合相似度（HySim）来增强补丁选择，从而实现了高质量的图像修复成果。实验结果证明，与其他模型驱动技术相比，该方法在实现视觉上令人满意的修复方面表现出了显著的效果。

Mar, 2024

提出了一种名为MVIP-NeRF的新方法，通过使用扩散先验来进行NeRF修复，解决了外观和几何方面的问题，实现了多视图共同修复和对齐。实验证明，与先前的NeRF修复方法相比，该方法在外观和几何恢复方面效果更好。

May, 2024