深度语义人脸去模糊
计算机视觉与模式识别
2018-03-19 v2
摘要
本文中，我们通过深度卷积神经网络（CNNs）利用语义线索，提出一种有效且高效的人脸去模糊算法。由于人脸图像高度结构化并共享若干关键语义部件（如眼睛与嘴），人脸的语义信息为复原提供了强先验。因此，我们提议将全局语义先验作为输入并入，并施加局部结构损失以在多尺度深度 CNN 内正则化输出。我们以感知与对抗损失训练网络以生成照片真实感结果，并发展一种增量训练策略以处理实际中的随机模糊核。定量与定性评估表明，所提人脸去模糊算法复原出具有更多面部细节的清晰图像，并在复原质量、人脸识别与执行速度方面优于最先进（state-of-the-art）方法。
引用
@article{arxiv.1803.03345,
title = {Deep Semantic Face Deblurring},
author = {Ziyi Shen and Wei-Sheng Lai and Tingfa Xu and Jan Kautz and Ming-Hsuan Yang},
journal= {arXiv preprint arXiv:1803.03345},
year = {2018}
}
备注
This work is accepted in CVPR 2018. The project website is on https://sites.google.com/site/ziyishenmi/cvpr18_face_deblur