（通讯员刘佳璐）西安电子科技大学协同智能系统教育部重点实验室刘佳璐博士、公茂果教授在IEEE Transactions on Circuits and Systems for Video Technology (IEEE TCSVT)上发表题为“Deep image inpainting with enhanced normalization and contextual attention”的学术论文，为图像复原任务提供了新的解决方案。

该论文提出了一种基于深度生成网络的图像修复模型。在该模型中，两个新的模块被引入，即通道与空间自适应的批归一化(CSA-BN)模块和一种增强型的上下文注意力层（SLSM-CA layer）。

其中，CSA-BN模块旨在减轻因在全空间归一化过程中混入损坏区域中的无效像素而导致的空间均值和方差偏移。通过使用通道和空间自适应的调制策略，CSA-BN模块可以有针对性地减轻每个通道中的空间均值和方差偏移。

SLSM-CA层通过潜在空间的引入来学习注意力机制的低秩近似，从而高效地从背景区域学习多规模上下文注意力，并引入特征选择机制以灵活地利用多规模的背景信息。

在多个公开数据集上的实验表明，与最先进的方法相比，所提出的方法可以获得具有竞争力的结果。

IEEE Transactions on Circuits and Systems for Video Technology是计算机视觉领域的顶级期刊之一、中科院SCI期刊大类一区TOP期刊、中国计算机学会（CCF）认定的计算机图形学与多媒体领域的B类期刊。

论文链接：https://doi.org/10.1109/TCSVT.2022.3175171