fillcnn尝试室钻研所官网打开后，，，，，，，第一眼看到的不是满屏新闻，，，，，，，而是一张图：左边是缺了半边的老照片，，，，，，，右边被算法补得一点痕迹都没佑祝。。。。。这就是它最想让你领略的事。。。。。。?

这个官网背后其实是一个专一图像建复的钻研幼组，，，，，，，做的方向叫图像补全，，，，，，，单一说就是给图片“填空”。。。。。。人像缺一块、老照片有折痕、路边视坡凤忽然多出一辆不该有的车，，，，，，，算法都能把空缺的处所推理出来，，，，，，，补得天然。。。。。。

先搞明显fillcnn在做什么

FillCNN这个名字里，，，，，，，CNN是卷积神经网络，，，，，，，Fill就是填充。。。。。。官网首页对它的定位很直接：用进建到的高低文信息去猜缺失区域的像素。。。。。。不是单一复造周围色彩，，，，，，，而是理解画面结构，，，，，，，好比墙壁纹理、人脸概括、远处的天空，，，，，，，而后再天生。。。。。。

若是你点开论文页面，，，，，，，会发现他们不只在做随机遮挡建复。。。。。。；；；；勾χ昧宋锾逡瞥⑽谋静脸庑└薪质档奈侍狻！！。。。论文里的成效图很有意思，，，，，，，把斑马线中央站的人去掉，，，，，，，地面纹路依然连贯。。。。。。这种细节最能注明模型的能力。。。。。。

官网里最硬核的是代码和demo

我游这种钻研所官网，，，，，，，最怕只有论文没有实物。。。。。。fillcnn尝试室钻研所官网这点做得很切实，，，，，，，首页就挂着在线demo。。。。。。你能够上传自己的图片，，，，，，，也能够从样本库拖一张，，，，，，，而后看着模型一点点把缺口填上。。。。。。期待功夫不长，，，，，，，几秒钟出了局。。。。。。第一次玩的时辰会感触有点神奇，，，，，，，像是在给图片做拼图。。。。。。?

代码部门更值得细看。。。。。。他们放出了齐全的训练和推理代码，，，，，，，环境配置写得明显，，，，，，，README里有运行号令，，，，，，，连模型权沉都给了。。。。。。对搞深度进建的人来说，，，，，，，这相当于省了半个月的踩坑功夫。。。。。。你不必要自己重新搭模型，，，，，，，直接拿预训练权沉跑一遍，，，，，，，再凭据自己的数据微调就杏祝。。。。。?

尝试数据和细节也很沉要

光看成效图不够，，，，，，，官网还列了一堆尝试数据。。。。。。在几个公开数据集上，，，，，，，FillCNN和之前的步骤比，，，，，，，PSNR和SSIM都有提升。。。。。。表格放在那里，，，，，，，数字不会骗人。。。。。。若是你要写论文，，，，，，，这里的对比数据能够直接当参考。。。。。。并且他们还分析了推理速度，，，，，，，注明不只是在尝试室里好看，，，，，，，也有现实落地的思考。。。。。。

另表官网的FAQ部门我挺喜欢。。。。。。有问“为什么我的图补出来有沉影”，，，，，，，也有问“训练时显存不够怎么办”。。。。。。这些问题不是什么深邃理论，，，，，，，但际遇的时辰真能急死人。。。。。。至少注明整顿者是懂用户痛点的。。。。。。?

通常人和钻研人员游法不一样

若是你只是好奇，，，，，，，进官网先玩demo就杏祝。。。。。不用下载任何器材，，，，，，，也不用读代码，，，，，，，传一张图就能感触到成效。。。。。。若是想深刻一点，，，，，，，能够看论文里的步骤图，，，，，，，相识网络结构是怎么分两条路处置的。。。。。。对于钻研生，，，，，，，官网的代码和权沉是很好的起点，，，，，，，跑通之后再改改loss，，，，，，，也许就找到自己的创新点。。。。。。

我自己比力喜欢的是他们把“钻延妆和“演示”放在统一个页面上。。。。。。不用跳来跳去，，，，，，，一篇论文、一段代码、一个在线履历，，，，，，，全都能触达。。。。。。这种效能在学术网站里不多见。。。。。。?

fillcnn尝试室钻研所官网不是一个摆样子的门面，，，，，，，它把整个技术链路都放开了。。。。。。想玩的玩到，，，，，，，想学的学到。。。。。。

打开官网，，，，，，，先点demo，，，，，，，再刷论文，，，，，，，这个挨次最不亏。。。。。。你猜FillCNN里的CNN到底怎么处置缺失区域的？？？？？试过一次就领略了。。。。。。