深度人脸修复综述：从非盲到盲及超越
计算机视觉与模式识别
2023-10-10 v2
摘要
人脸修复（FR）是图像修复中的一个专门领域，旨在将低质量（LQ）人脸图像恢复为高质量（HQ）人脸图像。深度学习技术的最新进展推动了 FR 方法的显著进步。在本文中，我们首先考察了导致真实世界 LQ 图像的普遍因素，并介绍了用于合成 LQ 图像的退化技术。我们还讨论了该领域中常用的显著基准。接下来，我们基于不同任务对 FR 方法进行分类，并解释其随时间的演进。此外，我们探索了修复过程中常用的各种人脸先验，并讨论了增强其有效性的策略。在实验部分，我们使用统一基准全面评估了最先进 FR 方法在各种任务上的性能。我们从不同角度分析了它们的性能。最后，我们讨论了 FR 领域面临的挑战，并提出了未来进展的潜在方向。本工作对应的开源仓库可在 https:// github.com/ 24wenjie-li/ Awesome-Face-Restoration 找到。
引用
@article{arxiv.2309.15490,
title = {Survey on Deep Face Restoration: From Non-blind to Blind and Beyond},
author = {Wenjie Li and Mei Wang and Kai Zhang and Juncheng Li and Xiaoming Li and Yuhang Zhang and Guangwei Gao and Weihong Deng and Chia-Wen Lin},
journal= {arXiv preprint arXiv:2309.15490},
year = {2023}
}
备注
Face restoration, Survey, Deep learning, Non-blind/Blind, Joint restoration tasks, Facial priors