修复

修复起源于传统的艺术修复，修复人员精心手绘受损画作的缺失部分。数字修复将这一概念转化为自动化过程。早期算法使用扩散方程将周围的颜色和纹理传播到缺失区域。现代基于人工智能的修复使用在数百万张图像上训练的深度学习模型来预测哪些内容应该填补空白，同时考虑局部纹理模式和全局场景理解。这些模型擅长在大的填充区域中保持视觉连贯性，在这些区域中，简单的纹理复制会产生明显的重复伪影。\n\n考虑一张 20 世纪 60 年代扫描的家庭照片，其一角有水渍。污渍遮盖了部分背景和人的肩膀。人工智能修复分析周围的织物图案、肤色和背景元素，以重建隐藏的内容。结果保留了原始图像的适合时代的风格和摄影特征。\n\n修​​复与简单克隆不同，因为它生成真正的新内容，而不是从图像中的其他位置复制。这意味着它可以处理没有合适的源材料进行克隆的大面积缺失区域。它还避免了使克隆图章工作可检测到的明显重复模式。\n\nMagic Eraser 依靠 AI 修复来支持一键对象删除。当用户选择不需要的元素时，修复模型会用上下文适当的内容填充该区域 - 在应该有草的地方生成草，继续砖块图案，或扩展天空渐变。 AI FilAI Fill 进一步扩展了修复功能，让用户根据周围的视觉上下文在选定区域生成全新的内容。这种删除和生成的结合意味着用户不仅可以删除不需要的元素，还可以无缝地重建复杂的背景，包括复杂的建筑细节、自然景观和重复图案，这对传统的编辑方法提出了挑战。