Imagen en pintura

Image inpainting comenzó como una técnica de restauración digital inspirada en la conservación del arte, donde los restauradores rellenan cuidadosamente las áreas dañadas de las pinturas. Los primeros métodos digitales utilizaban síntesis de texturas y coincidencia de parches, copiando parches similares de regiones cercanas. Los enfoques modernos de aprendizaje profundo utilizan arquitecturas de codificador-decodificador entrenadas en millones de imágenes para comprender el contexto semántico: saben que una persona eliminada parada sobre el césped debe llenarse con más césped, no con píxeles aleatorios. Los modelos de pintura basados ​​en difusión generan múltiples terminaciones plausibles y seleccionan la más coherente. La técnica potencia las herramientas de eliminación de objetos, reparación de rayones de fotografías antiguas y eliminación de marcas de agua. La calidad depende del tamaño de la región enmascarada, la complejidad del fondo y la diversidad de datos de entrenamiento del modelo.