基于可分离归一化与自适应反归一化的人脸去模糊
计算机视觉与模式识别
2021-12-21 v1 人工智能
摘要
人脸去模糊旨在从模糊输入图像中恢复具有更清晰结构与面部细节的清晰人脸图像。然而，大多数传统的图像与人脸去模糊方法关注整幅生成图像的分辨率，未考虑特定人脸部位纹理，通常产生不充分的细节。考虑到人脸与背景具有不同的分布信息，本研究设计了一种基于可分离归一化与自适应反归一化（SNADNet）的有效人脸去模糊网络。首先，我们对人脸解析网络进行微调以获得准确的人脸结构。然后，我们将人脸解析特征划分为人脸前景与背景。此外，我们构建了一种新的特征自适应反归一化，以正则化人脸结构作为辅助条件，生成更协调且不失真的人脸结构。另外，我们提出了一种纹理提取器与多块判别器以增强生成的面部纹理信息。在 CelebA 与 CelebA-HQ 数据集上的实验结果表明，所提出的人脸去模糊网络恢复了具有更多面部细节的人脸结构，并且在结构化相似度指数方法（SSIM）、峰值信噪比（PSNR）、Frechet inception distance（FID）与 L1 方面优于当前最优方法，定性比较亦如此。
引用
@article{arxiv.2112.09833,
title = {Face Deblurring Based on Separable Normalization and Adaptive Denormalization},
author = {Xian Zhang and Hao Zhang and Jiancheng Lv and Xiaojie Li},
journal= {arXiv preprint arXiv:2112.09833},
year = {2021}
}