面向人脸增强的网络架构搜索
计算机视觉与模式识别
2021-05-17 v1
摘要
环境光照条件、噪声、运动模糊等多种因素会影响所采集人脸图像的质量。低质量人脸图像往往会降低人脸分析与识别系统的性能。因此，增强此类条件下采集的人脸图像质量十分重要。我们提出了一种多任务人脸修复网络，称为面向人脸增强的网络架构搜索（NASFE），其可增强包含单一退化（即噪声或模糊）或多重退化（噪声+模糊+低光照）的低质量人脸图像。在训练过程中，NASFE利用退化图像中人物的干净人脸图像提取身份信息特征以修复图像。此外，网络由身份损失引导，从而在修复图像中保持身份信息。另外，我们在NASFE中提出了一种基于网络架构搜索的融合网络，用于融合由任务特定编码器提取的任务特定特征。我们在融合网络中引入FFT-op与去雾算子以高效融合任务特定特征。在合成与真实图像上的综合实验表明，所提方法在定量与视觉性能上优于许多近期最先进（SOTA）的人脸修复与增强方法。
引用
@article{arxiv.2105.06528,
title = {Network Architecture Search for Face Enhancement},
author = {Rajeev Yasarla and Hamid Reza Vaezi Joze and Vishal M Patel},
journal= {arXiv preprint arXiv:2105.06528},
year = {2021}
}