利用语义信息的人脸图像去模糊

在本文中，我们提出了一种通过深度卷积神经网络利用语义线索的有效且高效的人脸去模糊算法。由于人脸具有高度结构化的特征并共享统一的面部部件（如眼睛和嘴巴），此类语义信息为复原提供了强先验。我们将人脸语义标签作为输入的先验，并提出了一种自适应结构损失，以在端到端深度卷积神经网络中正则化面部局部结构。具体而言，我们首先使用粗去模糊网络来减少输入人脸图像上的运动模糊。然后我们采用解析网络从粗去模糊图像中提取语义特征。最后，精细去模糊网络利用语义信息来复原清晰的人脸图像。我们使用感知损失和对抗损失来训练网络以生成照片级真实感的结果。所提出的方法以更准确的面部特征和细节复原出清晰图像。定量和定性评估表明，所提出的人脸去模糊算法在复原质量、人脸识别和执行速度方面优于最先进的方法。