基于残差注意力 UNet 的遮挡人脸修复
计算机视觉与模式识别
2022-09-20 v1 图像与视频处理
摘要
具有高纹理区域（如去除人脸口罩）的真实感图像恢复具有挑战性。最先进的基于深度学习的方法无法保证高保真度，因梯度消失问题（例如初始层权重更新微小）与空间信息损失导致训练不稳定。它们还依赖于分割等中间阶段，意味着需要外部掩码。本文提出一种盲掩码人脸修复方法，使用残差注意力 UNet 去除人脸口罩并恢复具有精细细节的人脸，同时最小化与真实人脸结构的差距。残差块将信息馈送至下一层并直接传入约两层之外的层，以解决梯度消失问题。此外，注意力单元帮助模型聚焦于相关掩码区域，减少资源并使模型更快。在公开可用的 CelebA 数据集上的大量实验显示了我们所提模型的可行性与鲁棒性。代码见 \url{https://github.com/mdhosen/Mask-Face-Inpainting-Using-Residual-Attention-Unet}
关键词
引用
@article{arxiv.2209.08850,
title = {Masked Face Inpainting Through Residual Attention UNet},
author = {Md Imran Hosen and Md Baharul Islam},
journal= {arXiv preprint arXiv:2209.08850},
year = {2022}
}
备注
5 pages, 8 figures, Innovations in Intelligent Systems and Applications Conference