盲脸复原：基准数据集与一个基线模型
计算机视觉与模式识别
2022-06-09 v1
摘要
盲脸复原(BFR)旨在从对应的低质量(LQ)输入构建高质量(HQ)人脸图像。近来许多BFR方法被提出并取得了显著成功。然而，这些方法在私有合成数据集上训练或评估，使得后续方法难以与之公平比较。为解决该问题，我们首先合成两个盲脸复原基准数据集，称为EDFace-Celeb-1M (BFR128)与EDFace-Celeb-150K (BFR512)。在最先进的模型上于五种设定下进行了基准测试，包括模糊、噪声、低分辨率、JPEG压缩伪影及其组合(全退化)。为使比较更全面，采用了五种广泛使用的定量指标与两种任务驱动指标，包括平均人脸关键点距离(AFLD)与平均人脸ID余弦相似度(AFICS)。此外，我们开发了一个有效的基线模型，称为Swin Transformer U-Net (STUNet)。具有U-Net架构的STUNet应用注意力机制与移位窗口方案以捕获长程像素交互并更关注显著特征，同时仍能高效训练。实验结果表明，所提基线方法在各种BFR任务上优于SOTA方法。
引用
@article{arxiv.2206.03697,
title = {Blind Face Restoration: Benchmark Datasets and a Baseline Model},
author = {Puyang Zhang and Kaihao Zhang and Wenhan Luo and Changsheng Li and Guoren Wang},
journal= {arXiv preprint arXiv:2206.03697},
year = {2022}
}