【论文标题】Progressive Semantic-Aware Style Transformation for Blind Face Restoration 【作者团队】Chaofeng Chen, Xiaoming Li ,Lingbo Yang,Xianhui Lin,Lei Zhang,Kwan-Yee K. Wong 【发表时间】2020/09/18 【论文链接】https://arxiv.org/abs/2009.08709v1 【论文代码】https://github.com/chaofengc/PSFRGAN 【推荐理由】本文受到SPADE等的启发，提出了一种渐进式的面部图像修复框架，利用带语义感知的样式转换将退化脸部图像修复为高清图像。作者团队来自港大和达摩院，关于脸部修复的相近前作发表在ECCV 2020上。 盲面部重建是指将未知退化后的低清晰度图像(LQ)恢复为高清图像(HQ)，退化包括噪声、有损压缩、降采样等。这篇文章提出了一种渐进式带语义感知的样式转换框架，称为PSFR-GAN。他们没有像之前方法一样采用编码器-解码器框架，而是通过语义感知与样式转换将LQ面部图像的重建建模为一种多尺度的渐进式过程。给定一对LQ人脸图像及其对应的解析图，该文章将生成输入的多尺度金字塔，接着通过语义感知实现样式传递，从粗到细逐步调制不同尺度上的特征。由上，作者提出的PSFR-GAN充分利用了来自不同输入对的包括语义（解析图）和像素（LQ图像）的空间信息。作者进一步介绍了一种带语义感知的样式loss函数，该样式loss可单独计算每个语义区域的特征样式损失，以改善面部纹理的细节。作者也给出了预训练的人脸解析网络(FPN)，FPN可以从真实的LQ人脸图像得到解析图。实验结果表明，该文章在真实或合成的LQ人脸数据集上都取得了比SOTA更好的重建效果及鲁棒性。 上图展示了渐进式语义感知样式转换网络(PSFR-GAN)结构图

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