RestoreFormer：基于未退化键值对的高质量盲人脸修复
计算机视觉与模式识别
2022-06-28 v3
摘要
盲人脸修复旨在从未知退化中恢复高质量人脸图像。由于人脸图像包含丰富的上下文信息，我们提出了一种名为 RestoreFormer 的方法，该方法探索全空间注意力来建模上下文信息，并超越了使用局部算子的现有工作。与先前方法相比，RestoreFormer 具有若干优势。首先，与以往 Vision Transformers (ViTs) 中传统的多头自注意力不同，RestoreFormer 引入了一个多头交叉注意力层，用于学习受损查询与高质量键值对之间的全空间交互。其次，RestoreFormer 中的键值对采样自一个面向重建的高质量字典，其元素富含专门针对人脸重建的高质量面部特征，从而带来更优的修复结果。第三，RestoreFormer 在一个合成数据集和三个真实世界数据集上均优于先进的 SOTA 方法，并生成具有更好视觉质量的图像。
引用
@article{arxiv.2201.06374,
title = {RestoreFormer: High-Quality Blind Face Restoration from Undegraded Key-Value Pairs},
author = {Zhouxia Wang and Jiawei Zhang and Runjian Chen and Wenping Wang and Ping Luo},
journal= {arXiv preprint arXiv:2201.06374},
year = {2022}
}
备注
Accepted by CVPR 2022