AOT-GAN（Aggregated Object Transformers GAN）是一种针对高难度图像修复任务（如大范围遮挡、复杂结构缺失）设计的生成对抗网络，通过聚合多尺度上下文信息与对象感知机制提升修复区域的语义连贯性与细节真实感。其核心引入聚合对象Transformer模块（AOT Block），结合空洞卷积扩大感受野以捕捉长程依赖，并利用多尺度特征融合增强对复杂结构（如人脸五官、建筑纹理）的生成能力。模型在对抗训练中通过注意力机制动态聚焦缺失区域，在Places2、CelebA等数据集上较传统方法（如DeepFill）显著提升PSNR/SSIM指标，尤其擅长高分辨率图像修复，适用于老旧照片修复、影视特效编辑及医学影像重建，兼顾生成质量与计算效率。

源模型

• 输入尺寸: [1x3x512x512],[1x1x512x512]
• 参数量: 14.51M
• 模型大小: 61.29M
• 输出尺寸：1x3x512x512

源模型工程请访问：AOT-GAN

当用户对源模型进行过微调，需要重新进行模型转换。

用户可以自行参考以下两种方式完成模型转换：

• 使用 AIMO 完成模型转换：在右侧性能参考板块中点击模型转换参考查看模型转换步骤

• 使用高通 QNN 完成模型转换：请参考 Qualcomm QNN 文档

Model Farm 所提供的模型性能基准测试以及示例代码皆基于阿加犀AidLite SDK 实现。

对于模型文件格式为 .bin 的模型，可以使用以下两种推理引擎完成模型在高通芯片上推理：

• 使用 APLUX AidLite 推理：详情请参考 APLUX AidLite 开发者文档

• 使用 Qualcomm QNN 推理：请参考 Qualcomm QNN 文档

推理示例代码

推理示例代码是基于 AidLite SDK 实现

点击模型 & 代码下载模型文件和推理代码包，文件结构如下

/model_farm_{model_name}_aidlite
    
    |__ models # folder where model files are stored

    |__ python # aidlite python model inference example

    |__ cpp # aidlite cpp model inference example

    |__ README.md