本文提出了一种名为Pluralistic网络的新方法，用于从多个输入视图中进行图像修复。该方法能够处理各种复杂场景，并提供高质量的修复结果。代码已公开，供研究者使用与参考。
已有针对Imagenet, Paris, Place2, Celeba-HQ四个数据集训练的模型，并支持使用自定义数据集进行训练，可以直接运行。
GUI 使用方法如下：
安装用于图形用户界面操作的 PyQt5。
```
pip install PyQt5
```
基本用法如下:
执行以下命令启动服务器和主程序。
```
python -m visdom.server
python ui_main.py
```
GUI 中包含以下几个按钮的功能：
- 选项：选择要编辑的模型及相应数据集；
- 衬套宽度：修改自由形式掩码的衬套宽度；
- drawclear（绘制清除）：为随机模型生成自由形式或矩形遮罩，或者清空所有已有的遮罩区域以供新输入使用。
- 加载：从目录中选择图片；
- 随机：在数据集中随机选取图像进行编辑操作；
- 填充：填充孔洞范围，并显示结果于右侧界面内；
- 保存：将处理前后的图像存入指定文件夹中；
- 原始输出: 切换展示原始输入或经过模型处理的输出。
步骤如下：
1. 在“选项”菜单里选择一个预训练好的模型。
2. 点击 “随机 ” 或者是“加载 ”按钮以获取初始图片作为编辑对象。
3. 若选择了随机生成图像，则点击 drawclear 按钮来创建自由形式的遮罩；如果使用中心模型，那么会自动配备好中心掩膜区域。
4. 最后，在界面中选择 “填充” 功能即可看到经过处理后的结果。
5星
