SMFD-UNet：语义面具即唯一所需，即可实现面部去模糊
计算机视觉与模式识别
2026-04-10 v1 图像与视频处理
摘要
面部识别、司法鉴定、摄影提升及医学影像诊断等应用中，面部图像去模糊是计算机视觉中的关键任务，可还原高质量图像。传统方法依赖通用图像先验，难以捕获人脸的结构特征和身份特征。我们提出 SMFD-UNet（Semantic Mask Fusion Deblurring UNet），一种轻量化框架利用语义面具驱动去模糊，无需高质量参考图像即可解决上述困难。首先，双步骤方法采用 UNet 架构的语义面具生成器，从模糊图像中直接提取面部部件面具（如眼睛、鼻子、嘴巴）。随后，通过多阶段特征融合技术将这些面具与模糊输入整合，在高效 UNet 框架内生成锐利、高保真度的人脸图像。我们构建了随机模糊流水线，模拟约 1.74 万亿种退化情景，确保鲁棒性。在 CelebA 数据集上，SMFD-UNet 超越当前最先进模型，获得更高的峰信噪比（PSNR）和结构相似性指数（SSIM），同时保持良好的自然度指标（包括 NIQE、LPIPS 和 FID）。基于残差密集卷积块（RDC）、多阶段特征融合、高效上采样、注意力机制（如 CBAM）、后处理技术及轻量化设计，SMFD-UNet 具备可扩展性和效率，为面部图像恢复研究及实际应用提供了灵活解决方案。
引用
@article{arxiv.2604.07477,
title = {SMFD-UNet: Semantic Face Mask Is The Only Thing You Need To Deblur Faces},
author = {Abduz Zami},
journal= {arXiv preprint arXiv:2604.07477},
year = {2026}
}
备注
BSc thesis