Image-OutPainting

收录理由

图像外扩比图像修复更棘手：修复是填补画面内部的空缺，而外扩要把画布延伸到原始边界之外。这个项目用 Keras 复现了斯坦福大学那篇《Painting Outside the Box》论文，把外扩构想落成了一个可上手的起点。模型基于生成对抗网络，能为 256×256 裁剪图像的左右两侧凭空生成合理的场景，并做了几处务实调整——比如加入身份损失，让生成内容与源图保持一致，又添加卷积层来适配固定分辨率。仓库里备有脚本，能把提供的海滩数据集转成 NumPy 批次；若不想从头训练，也有预训练检查点可供下载，直接跑推理。对研究者或开发者来说，想拆解一个紧凑、易读的单任务模型，这个项目比大型生产框架更容易梳理，只是若要做成打磨完善、通用性强的工具，仍需自行改造。