生成式人脸补全
计算机视觉与模式识别
2017-04-20 v1
摘要
在本文中，我们提出一种使用深度生成模型的有效人脸补全算法。与充分研究的背景补全不同，人脸补全任务更具挑战性，因为它常常需要为包含大外观变化的缺失关键部件（例如眼睛和嘴巴）生成语义上新的像素。与现有的搜索块以合成的非参数算法不同，我们的算法基于神经网络直接为缺失区域生成内容。该模型通过重建损失、两个对抗损失和一个语义解析损失的组合进行训练，这确保了像素保真度和局部-全局内容一致性。通过大量实验结果，我们从定性和定量上证明我们的模型能够处理任意形状的大面积缺失像素，并生成逼真的人脸补全结果。
引用
@article{arxiv.1704.05838,
title = {Generative Face Completion},
author = {Yijun Li and Sifei Liu and Jimei Yang and Ming-Hsuan Yang},
journal= {arXiv preprint arXiv:1704.05838},
year = {2017}
}
备注
Accepted by CVPR 2017