面向真实场景盲脸复原的生成式面部先验方法
计算机视觉与模式识别
2021-06-14 v2
摘要
盲脸复原通常依赖面部先验，如面部几何先验或参考先验，以恢复逼真且保真的细节。然而，极低质量输入无法提供准确几何先验，而高质量参考又难以获取，限制了其在真实场景中的适用性。本工作中，我们提出 GFP-GAN，利用预训练人脸 GAN 中封装的丰富多样先验进行盲脸复原。该生成式面部先验 (GFP) 通过新颖的通道分离空间特征变换层融入人脸复原过程，使我们的方法在真实感与保真度间取得良好平衡。得益于强大的生成式面部先验与精细设计，我们的 GFP-GAN 仅需单次前向传播即可联合恢复面部细节并增强色彩，而 GAN 反演方法在推理时需昂贵的图像特定优化。大量实验表明，我们的方法在合成与真实世界数据集上均优于以往最优方法。
引用
@article{arxiv.2101.04061,
title = {Towards Real-World Blind Face Restoration with Generative Facial Prior},
author = {Xintao Wang and Yu Li and Honglun Zhang and Ying Shan},
journal= {arXiv preprint arXiv:2101.04061},
year = {2021}
}
备注
CVPR 2021. Codes: https://github.com/TencentARC/GFPGAN