SGCM-Net：基于状态空间模型的结构引导式壁画修复技术

《Scientific Reports》：SGCM-Net: structure-guided mural inpainting with state space model

　　

摘要

古代壁画的退化区域通常包含复杂的纹理和结构曲线，这对传统的壁画修复工作构成了重大挑战。尽管数字图像修复提供了一种可行的方法，但基于卷积神经网络（CNN）的方法往往受到这些复杂场景的限制，并且由于感受野有限而难以实现全局一致性。为了解决这些限制，本文提出了一种基于两阶段任务分解范式的CNN-Mamba混合修复架构。该框架采用结构引导融合模块（SGFBs）来适应性地融合来自边缘修复阶段的结构先验信息，这些信息覆盖了多个尺度层次。为了增强整体一致性，还引入了多路Mamba处理模块（MMPBs），并将其集成到瓶颈部分，特别调整了状态空间模型（SSMs）以线性复杂度捕捉二维壁画中的全局关系。在壁画和风景绘画数据集上的全面评估表明，所提出的方法能够正确恢复全局风格，填补连贯的细节，并且与现有的成熟方法相比表现出竞争力的性能。