基于神经架构搜索的多先验学习用于盲脸修复
计算机视觉与模式识别
2023-12-11 v2
摘要
盲脸修复（BFR）旨在从低质量人脸图像中恢复高质量人脸图像，通常借助人脸先验来提升修复性能。然而，现有方法仍面临两大难题：1）如何在不进行大量人工调参的情况下得到强大的网络架构；2）如何在一个网络中从多个人脸先验中捕获互补信息以提升修复性能。为此，我们提出人脸修复搜索网络（FRSNet），在指定的搜索空间内自适应搜索合适的特征提取架构，从而直接提升修复质量。在 FRSNet 基础上，我们进一步设计了一种采用多先验学习方案的多人脸先验搜索网络（MFPSNet）。MFPSNet 从多样化人脸先验中最优地提取信息，并将其融合进图像特征，确保外部引导与内部特征均得以保留。由此，MFPSNet 充分利用了语义级（解析图）、几何级（人脸热力图）、参考级（人脸字典）与像素级（退化图像）信息，从而生成保真且真实的图像。定量与定性实验表明，在合成与真实世界数据集上，MFPSNet 均优于当前最先进的 BFR 方法。代码已公开于：https://github.com/YYJ1anG/MFPSNet。
引用
@article{arxiv.2206.13962,
title = {Multi-Prior Learning via Neural Architecture Search for Blind Face Restoration},
author = {Yanjiang Yu and Puyang Zhang and Kaihao Zhang and Wenhan Luo and Changsheng Li and Ye Yuan and Guoren Wang},
journal= {arXiv preprint arXiv:2206.13962},
year = {2023}
}
备注
We found some problems with the article and need to withdrawal it