我们提出了一种快速有效的一步恢复模糊人脸图像的方法,该方法基于卷积神经网络,可以处理各种大小的人脸图像,加入了光滑正则化和面部正则化来保持面部身份信息,取得了最先进的效果和提高了 100 倍的运行速度,并在人脸识别精度上有显著提高。
Nov, 2017
本文提出了一种通过深度卷积神经网络 (CNN) 利用语义线索来实现有效和高效的人脸去模糊算法。该算法通过全局语义先验作为输入,并在多尺度深度 CNN 中施加局部结构损失来规范输出,以训练具有感知和对抗性损失的神经网络,生成逼真的人脸去模糊结果,评估表明该算法在人脸去模糊的质量、人脸识别和执行速度方面表现良好。
Mar, 2018
本文提出了一种基于领域特定的方法来解决人脸去模糊问题,使用深度网络和人脸对齐来处理每张图片,并采用了有效的方法生成了超过 2 百万帧的数据集,实验显示该方法在真实世界的人脸去模糊任务中取得了接近于高清自然图片的效果。
Apr, 2017
本文提出了一种使用深度卷积神经网络通过利用语义线索进行有效高效人脸去模糊的算法。该算法利用面部语义标签作为输入信息,并提出一种自适应结构损失来规范面部局部结构。实验结果表明,该方法在还原质量、人脸识别和执行速度方面的表现优于最先进的方法。
Jan, 2020
本文提出了一种利用人脸专业知识恢复高质量人脸的有效算法,通过面部组件指导的深度卷积神经网络与基于演示的细节增强算法,在超分辨率和去模糊同时处理中增强了面部细节。
Nov, 2018
该论文综述了基于深度学习的图像去模糊方法,包括问题的起源、数据集、性能度量、方法分类、应用及挑战与未来方向。
Jan, 2022
深度神经网络在图像去模糊领域取得了重大突破,本文综述了盲目和非盲目图像去模糊中最流行的深度神经网络结构、性能指标和广泛使用的数据集,并讨论了该领域的当前挑战和研究空白,提出了未来研究的潜在方向。
Oct, 2023
我们描述了一种基于学习的盲图片去卷积的方法,该方法使用了深层次架构,部分来源于最近关于神经网络学习的工作,部分则包含了特定于图片去卷积的计算。该系统在一组人工生成的训练样例上进行端到端的训练,实现了在盲图片去卷积方面的竞争性表现,无论是在质量还是运行时间方面。
Jun, 2014
本文探讨使用模糊图像的语义视觉任务中对基于卷积神经网络的模型的影响以及如何通过对预训练模型进行微调并加入模糊图像进行训练来提高模型精度,发现模型在隐藏层中学习生成模糊不变表示并且具有很强的模糊泛化能力,为开发实现在受模糊影响的实际世界图像上可靠操作的视觉系统提供有用的见解。
Nov, 2016
本论文旨在从低分辨率图像中重建人脸高分辨率图像。文章利用一组范例图像来引导神经网络以及基于像素产生权重生成模块来提高多个范例图像的信息量。得出的高分辨率图像不仅可用于标准的人脸超分辨率问题,而且还可用于微小的脸部编辑,且模型展示了良好的效果。
Sep, 2020