CVPR有哪些论文展示了AI在模糊照片恢复方面的突破性进展？
- 内容介绍
- 文章标签
- 相关推荐
本文共计1184个文字，预计阅读时间需要5分钟。
计算机视觉研究学院作者：Edison_G生活中，我们都会遇到图像模糊状态，以前我们是不可能恢复的；后来通过PS进行修复，也可能会有变形或差异的表现；但如今AI可以准确完成。
计算机视觉研究院专栏
作者：Edison_G
生活中，我们都会遇到图片模糊状态下，很早之前我们是不可能恢复；之后通过PS进行修复，也会有畸形或者差异的表现；但是，现在AI可以准确完整的恢复出blind face。
欢迎关注“
计算机视觉研究院
”
一、简要
Blind face通常依赖于facial priors，如facial geometry prior或reference prior，来恢复现实和真实的细节。然而，当高质量的参考无法访问时，非常低质量的输入不能提供精确的几何先验，这限制了在现实场景中的适用性。
所以，有研究者提出了GFP-GAN，它利用封装在预先训练好的人脸GAN中的丰富多样的先验来进行blind face恢复。该Generative Facial Prior(GFP)通过新的信道分裂空间特征变换层融入到人脸修复过程中，使新方法能够实现真实度和保真度的良好平衡。由于强大的GFP和精细的设计，GFP-GAN可以通过一次共同恢复面部细节和增强颜色，而GAN inversion methods在推理时需要昂贵的特定图像优化。大量的实验表明，新方法在合成数据集和真实数据集上都取得了优于现有技术的性能。
本文共计1184个文字，预计阅读时间需要5分钟。
计算机视觉研究学院作者：Edison_G生活中，我们都会遇到图像模糊状态，以前我们是不可能恢复的；后来通过PS进行修复，也可能会有变形或差异的表现；但如今AI可以准确完成。
计算机视觉研究院专栏
作者：Edison_G
生活中，我们都会遇到图片模糊状态下，很早之前我们是不可能恢复；之后通过PS进行修复，也会有畸形或者差异的表现；但是，现在AI可以准确完整的恢复出blind face。
欢迎关注“
计算机视觉研究院
”
一、简要
Blind face通常依赖于facial priors，如facial geometry prior或reference prior，来恢复现实和真实的细节。然而，当高质量的参考无法访问时，非常低质量的输入不能提供精确的几何先验，这限制了在现实场景中的适用性。
所以，有研究者提出了GFP-GAN，它利用封装在预先训练好的人脸GAN中的丰富多样的先验来进行blind face恢复。该Generative Facial Prior(GFP)通过新的信道分裂空间特征变换层融入到人脸修复过程中，使新方法能够实现真实度和保真度的良好平衡。由于强大的GFP和精细的设计，GFP-GAN可以通过一次共同恢复面部细节和增强颜色，而GAN inversion methods在推理时需要昂贵的特定图像优化。大量的实验表明，新方法在合成数据集和真实数据集上都取得了优于现有技术的性能。