深度人脸去模糊

盲去模糊是一个长期研究的任务，然而通用方法在真实世界模糊图像上的效果并不理想。针对特定目标类别（如文本或人脸）的去模糊特定域方法通常优于其通用对应方法，因此正吸引越来越多的关注。本工作中，我们开发这样一种特定域方法以处理人脸去模糊，以下称为人脸去模糊（face deblurring）。在计算机视觉中研究人脸具有重要意义，但人脸去模糊尚待展示令人信服的结果。这部分可归因于 i) 纹理贫乏与 ii) 高度结构化的形状相结合，使得（通常使用的）轮廓/梯度先验次优。在我们的工作中，不对先验作假设，而是采用一种学习途径，插入弱监督以利用已充分记载的人脸结构。具体而言，我们利用深度网络执行去模糊，并采用人脸对齐技术对每个人脸进行预处理。此外，我们通过引入一个允许生成大型数据集的高效框架，超越深度网络对数千训练样本的需求。我们利用该框架创建了2MF2，一个超过两百万帧的数据集。我们使用真实世界模糊人脸图像进行实验，并报告我们的方法返回的结果接近于清晰的自然潜图像。