人脸修复 | 用于真实人脸盲修复的生成模型先验

【人脸修复】Towards Real-World Blind Face Restoration with Generative Facial Prior 【论文链接】https://arxiv.org/abs/2101.04061 【作者团队】Xintao Wang、Yu Li、Honglun Zhang、Ying Shan 【机构】腾讯公司 【发表时间】2021.01.04 【推荐理由】 本文发表于CVPR 2021，用生成模型中的先验来解决真实世界的人脸复原盲问题。 在人脸复原中，我们不清楚退化过程, 在实际应用中，同时也面临着各种各样降质过程的挑战。对于人脸修复任务, 之前的工作探索过人脸特定的先验, 并且取得了较好的效果。与此同时, 生成对抗网络的蓬勃发展, 特别是 StyleGAN能够生成以假乱真的人脸图像。来自腾讯应用研究中心的学者们提供了一个思路: 利用人脸生成模型里的先验知识来帮助人脸复原。本文将这些先验称为生成人脸先验 (Generative Facial Prior, GFP)，它不仅包含了丰富的五官细节, 还有颜色等信息, 它把人脸当作一个整体来对待, 能够处理头发、耳朵、面部轮廓。基于预训练模型, 学者们提出了利用人脸先验 GFP 的人脸复原模型 GFP-GAN。相比于近年的相关工作, GFP-GAN 不仅在五官恢复上取得了更好的细节, 整体的观感和色彩也更加自然。

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