基于草图引导条件 GAN 的极端人脸修复
计算机视觉与模式识别
2021-05-14 v1
摘要
恢复严重受损的人脸图像是一项有用却具挑战性的任务，尤其在被遮挡或受损区域非常大的极端情况下。主要挑战之一是系统对训练数据集之外人脸的泛化能力。我们提出用利用结构信息（如边缘）作为先验条件的条件生成对抗网络（GAN）来解决这一极端修复任务。边缘信息可从部分被遮挡的图像以及结构相似图像或手绘中获得。在我们提出的条件 GAN 中，我们在编码器的每一层传入条件输入，同时保持学习权重与传入条件输入之间分布的一致性。我们用严重受损的人脸示例展示了方法的有效性。
引用
@article{arxiv.2105.06033,
title = {Extreme Face Inpainting with Sketch-Guided Conditional GAN},
author = {Nilesh Pandey and Andreas Savakis},
journal= {arXiv preprint arXiv:2105.06033},
year = {2021}
}