用于高分辨率人脸图像修复的对称跳跃连接 Wasserstein GAN
计算机视觉与模式识别
2020-09-15 v2 图像与视频处理
摘要
最先进的人脸图像修复方法取得了有前景的结果，但保持真实感仍具挑战性。这是由于诸如边缘保留失败和模糊伪影等局限。为克服这些局限，我们提出一种用于高分辨率人脸图像修复的对称跳跃连接 Wasserstein 生成对抗网络（S-WGAN）。该架构为带有卷积块的编码器-解码器，由跳跃连接相连。编码器是特征提取器，捕获输入图像的数据抽象以学习从输入（二值掩码图像）到真实图像的端到端映射。解码器利用学习到的抽象重建图像。通过跳跃连接，S-WGAN 将图像细节传递给解码器。此外，我们提出 Wasserstein-感知损失函数以在重建图像上保持颜色并维持真实感。我们在 CelebA-HQ 数据集上评估了我们的方法与最先进方法。我们的结果表明，与其他方法视觉比较时，S-WGAN 生成更清晰、更真实的图像。定量度量显示我们提出的 S-WGAN 取得了最佳的结构相似性指数度量（SSIM）0.94。
引用
@article{arxiv.2001.03725,
title = {Symmetric Skip Connection Wasserstein GAN for High-Resolution Facial Image Inpainting},
author = {Jireh Jam and Connah Kendrick and Vincent Drouard and Kevin Walker and Gee-Sern Hsu and Moi Hoon Yap},
journal= {arXiv preprint arXiv:2001.03725},
year = {2020}
}
备注
10 pages, 9 figures and 2 Tables