鲁棒的无监督 StyleGAN 图像复原
计算机视觉与模式识别
2023-06-23 v2
摘要
基于 GAN 的图像复原通过反转生成过程来修复被已知退化损坏的图像。现有的无监督方法必须针对每个任务和退化程度仔细调参。在本工作中，我们使 StyleGAN 图像复原具有鲁棒性：一组超参数即可在广泛的退化程度范围内生效。这使得处理多种退化的组合成为可能，而无需重新调参。我们提出的方法依赖于三阶段渐进式潜空间扩展与一种保守优化器，从而避免对任何额外正则化项的需求。大量实验证明了在多种退化程度下的修复、上采样、去噪与去伪影方面的鲁棒性，优于其他基于 StyleGAN 的反转技术。我们的方法相较于基于扩散的复原也表现出优势，产生了更为真实的反转结果。代码见 https://lvsn.github.io/RobustUnsupervised/。
引用
@article{arxiv.2302.06733,
title = {Robust Unsupervised StyleGAN Image Restoration},
author = {Yohan Poirier-Ginter and Jean-François Lalonde},
journal= {arXiv preprint arXiv:2302.06733},
year = {2023}
}
备注
8 pages, accepted at CVPR 2023