HiFaceGAN:基于协同抑制与补充的人脸修复
计算机视觉与模式识别
2021-05-25 v2
摘要
现有人脸复原研究通常依赖退化先验或显式指导标签进行训练,这往往导致对具有异质退化和丰富背景内容的真实世界图像泛化能力有限。本文通过解除对两类先验的要求,研究更具挑战性与实用性的“双盲”版本问题,称之为“人脸修复”(FR)。具体而言,我们将 FR 表述为语义引导的生成问题,并采用协同抑制与补充(CSR)方法加以解决。由此得到 HiFaceGAN,一个包含若干嵌套 CSR 单元的多阶段框架,这些单元基于从前端正内容自适应抑制模块提取的分层语义引导逐步补充人脸细节。在合成与真实人脸图像上的大量实验验证了 HiFaceGAN 在广泛具有挑战性的复原子任务上的优越性能,展示了其面向真实世界人脸处理应用的通用性、鲁棒性与泛化能力。
引用
@article{arxiv.2005.05005,
title = {HiFaceGAN: Face Renovation via Collaborative Suppression and Replenishment},
author = {Lingbo Yang and Chang Liu and Pan Wang and Shanshe Wang and Peiran Ren and Siwei Ma and Wen Gao},
journal= {arXiv preprint arXiv:2005.05005},
year = {2021}
}
备注
Published in ACM Multimedia 2020