1.自注意力機制在圖像修復中的應用:

自注意力機制的作用:
自注意力機制允許模型根據輸入圖像的不同的部分來計算它們之間的關聯，無論這些部分在圖像中距離多遠。這樣對於圖像修復特別有用，因為它可以捕捉到圖像的全局信息，讓模型能夠更精確地理解圖像的整體結構，進而進行自然的填補。

學習重點:
自注意力機制透過計算圖像中各部分之間的關係，來決定哪些區域對於修復最為重要。我參考「Attention is All You Need」中的章節，了解自注意力是如何通過查詢、鍵、值等概念進行計算，幫助模型在圖像修復中聚焦關鍵特徵。

結果:
通過學習自注意力機制，理解它如何在圖像修復中捕捉遠距離的全局關聯，提升圖像局部細節與整體結構之間的一致性，最終實現更精細和自然的修復效果。

2.部分卷積 (Partial Convolution):

部分卷積的作用:
部分卷積技術專門針對圖像中的遮擋區域進行處理。跟傳統卷積不同，部分卷積只對未被遮擋的像素進行操作，用來忽略損壞的區域，避免這些區域對修復過程造成負面影響。這使得模型可以更加專注於有效的像素，並在遮擋區域內進行更精確的修復。」

實作:
透過 OpenCV 或其他圖像處理庫實現部分卷積，進行圖像修復的實驗。首先我們生成一個遮擋區域，然後應用部分卷積技術來修復這些區域，並觀察其效果。這過程中，我理解了部分卷積如何在不影響其他區域的情況下，選擇性地修復破損部分。

結果:
通過實驗部分卷積的實現，可以清晰地觀察到該技術在處理圖像遮擋區域方面的效果，了解其在修復過程中的優勢，並建立一個簡單的圖像修復模型。

總結來說，自注意力和部分卷積是圖像修復中的兩個關鍵技術。
自注意力幫助捕捉全局特徵，保持修復的一致性，而部分卷積則專注於精細處理破損或遮擋區域。這兩種方法結合起來，能大幅提升圖像修復的效果！