论文标题：A survey on facial image deblurring

论文链接：https://arxiv.org/abs/2302.05017

作者单位：中国科学院软件研究所 & 中国科学院大学

当人脸图像模糊时，对人脸识别等高级视觉任务影响很大。 人脸图像去模糊的目的是从模糊的输入图像中恢复出清晰的图像，可以提高识别准确率等。 一般的去模糊方法不能很好地处理面部图像。 因此，提出了一些人脸去模糊方法，根据人脸图像的特点，通过添加语义或结构信息作为特定先验来提高性能。 本文对最近发表的面部图像去模糊方法进行了调查和总结，其中大部分方法都是基于深度学习的。 首先，我们简要介绍了图像模糊的建模。 接下来，我们将人脸去模糊方法总结为两类，即基于模型的方法和基于深度学习的方法。 此外，我们总结了神经网络训练过程中常用的数据集、损失函数和性能评估指标。 我们展示了经典方法在这些数据集和指标上的性能，并简要讨论了基于模型和基于学习的方法的区别。 最后，我们讨论了当前的挑战和未来可能的研究方向。

内容中包含的图片若涉及版权问题，请及时与我们联系删除