从边缘生成：人脸图像重建
图像与视频处理
2020-05-15 v3 计算机视觉与模式识别
摘要
涉及监督训练的应用需要成对图像。单图像超分辨率(SISR)的研究者通过从相应真值人工生成模糊输入图像来创建此类图像。类似地，我们可以用 Canny 边缘创建成对图像。我们提出从边缘生成器(Generator From Edges, GFE)[图 2]。我们的目标是确定 GFE 的最佳架构，并对感知损失[1, 2]进行评述。为此，我们进行了三个实验。首先，我们探究了 SISR 中常用的对抗损失的影响。特别地，我们发现它并非构成感知损失的必要组件。从硬件资源的角度看，去除对抗损失将带来更高效的架构。这也意味着无需考虑生成对抗网络(GAN)[3]的相关问题，如模式崩溃。其次，我们重新审视 VGG 损失，发现中间层产生最佳结果。通过充分挖掘 VGG 损失的潜力，感知损失的整体性能显著提升。第三，基于前两个实验的发现，我们重新评估稠密网络以构建 GFE。将 GFE 作为中间过程，从铅笔素描重建人脸图像可成为一项简易任务。
引用
@article{arxiv.2002.06682,
title = {Generator From Edges: Reconstruction of Facial Images},
author = {Nao Takano and Gita Alaghband},
journal= {arXiv preprint arXiv:2002.06682},
year = {2020}
}