在Generative Models中的一個主要應用就Image Inpainting。影像修復經常被應用於許多影像處理，包含在生活照片中移除背景不必要的物件再回填移除後缺損的影像。但是或許之前的研究較多著墨於技術而非美學，至目前為止，很少有影像修復的研究著重於藝術作品的重建應用。所以，本研究計畫提出兩個新的模型來針對藝術作品做更優化的影像修復，以達到較一般處理日常照片所使用的如Places2 和ImageNet等影像修復技術在視覺上更為自然逼真的處理: PConv和GLCIC。PConv 是利用partial convolution來避免一般由於遮蔽區域中畫素起始值設定而常見的影像模糊問題。而GLCIC 是一種以GAN (Generative Adversarial Network) 為基礎，進一步在全域鑑別器 (global discriminator) 之上，再建構一個區域性鑑別器(local discriminator)，以確保在整體畫面與細部畫面的合理與一致性。我們將會利用一系列的印象派畫作為例，以 MSE Loss (mean squared error)來評估這兩個模型。