该研究提出了一种新的双流网络方法，能够模拟结构约束纹理合成和纹理引导结构重构，并且通过 Bi-directional Gated Feature Fusion 模块和 Contextual Feature Aggregation 模块实现更好的全局一致性和多尺度特征聚合，定量和定性实验证明了该方法的优越性。

Aug, 2021

本文提出一个多任务学习框架，通过图像结构知识来辅助图像修复，并引入结构嵌入方案和注意机制来提供图像修复的前提条件和优化生成的结果，在多任务学习，结构嵌入和注意力机制的共同作用下，该框架充分利用结构知识，并在基准数据集上优于几种最先进的方法。

Feb, 2020

本文介绍了一种基于 UNet 的双流终端到端架构，用于图像修复。其中，结构流辅助主流产生了合理结构和真实细节的结果。实验结果表明，该方法优于当前最先进的方法。

Nov, 2021

本文提出了一种基于生成模型和卷积神经网络的图像修补方法，通过利用周围图像特征进行网络训练，生成的修补图像具有更高的质量和更逼真的纹理结构。

Jan, 2018

提出了一种新颖的视频修复算法，通过 Deep Image Prior（DIP）推出的卷积网络，同时生成缺失的外观和光流信息，并采用一种无需先验训练的生成式方法进行修复。该方法具有良好的视觉效果和长期一致性。

Sep, 2019

本研究提出了一种新的图像修复方法，结合了神经网络的先验知识和用户的引导，使用自动编码器和语义解码器完成两个阶段，实现对修复结果的自定义控制，实验结果表明该方法在修复质量和可控性方面优于现有方法。

Jan, 2022

本文提出了一种采用能量模型的结构化图像修复方法，通过卷积神经网络学习图像的结构关系以及缺失区域，并在多个基准数据集上进行实验，发现其明显优于使用生成对抗网络的现有方法。

Jan, 2018

该论文提出了一种基于注意力机制的变形器模型依次恢复整体图像结构，利用一个附加的结构修复器，通过零初始化残差加法有效地集成预训练修补模型，采用掩膜位置编码策略提高了不规则掩膜修补效果。

Mar, 2022

本文提出了一种基于深度学习的姿态引导的人类照片重新合成方法，它基于单张照片估计完整身体表面纹理，并使用一个新的修补方法将图像纹理转换为目标姿势视图。

Nov, 2018

本研究提出了一种基于语义引导和评估网络的图像修复算法，该算法在每个缩放级别利用语义分割图指导图像修复过程，并利用迭代更新方法实现结构先验和图像修复的协同更新，实验结果表明该方法在图像纹理清晰度和真实感等方面具有优越性。

Mar, 2020