在新生研讨课上，校领导些给我们请了不少大牛给我们讲述了当前it业的热门方向，其中院长讲述的图像填充技术深深地吸引了我的注意力，我在此基础上查阅了相关资料，并稍作整理了下。
图像填充技术简单来说就是利用原图像内的像素点，对目标区域进行填补。但是其中的学问并不简单。如何让算法准确地识别出图像的内容，并从原图像中精准地找出所需要的像素点去填补，使得输出图像看上去更加清晰自然，一直是各位算法工作者们研究的课题。
在2005年，Michal Zmiri-Yaniv和他的团队成功实现了图像的填充[1]，其效果如图
这样的图像自动填充看上去十分惊艳，但是当我们迫不及待地打开photoshop，进行同样的操作。选中目标区域，利用photoshop内置的内容识别向目标区域进行填充，会发现实际效果并不如人意，图片看上去非常的不自然
这是由于photoshop内置的内容识别对背景和遮罩大小的要求非常高，对于稍微复杂的图像，photoshop无法准确的识别图像的内容，所以不知道该用原图像的哪一部分去精准地填充到相应的位置
其中一种解决方法就是操作者添加指引（guides），告诉算法要用原图像的哪些内容来进行填充
但这是毕竟还是因为算法不够完美，只是简单的拿目标区域周围的像素去填充，所以才需要人工的介入去弥补。而算法真正的进化方向，是通过深度学习来不断优化算法。
深度填充（deepfill）
Adobe正研究的基于深度学习的图像修复系统—深度填充（deepfill ）可以很好地解决这些问题，该系统从数百万张图像中学习门控卷积，解决了普通卷积将所有输入像素都视为有效像素的问题，从而得到了更加高质量，更加灵活的结果
以下是deepfill2 的处理结果
此外，此系统还能根据用户所画的线条，将图像填充成用户想要的结果。
若想要深入了解deepfill，请前往deep的主页
deepfill v1主页：http://jiahuiyu.com/deepfill/
deepfill v2主页：http://jiahuiyu.com/deepfill2/
参考：
[1]http://www2.mta.ac.il/~tal/ImageCompletion/
https://blog.csdn.net/Hungryof/article/details/78818771
https://blog.csdn.net/yH0VLDe8VG8ep9VGe/article/details/82837213
https://blog.csdn.net/yh0vlde8vg8ep9vge/article/details/80730226