Nov, 2019

LaFIn: 基于地标引导的人脸修复生成模型

PDF
TL;DR本文提出了一种基于深度学习的人脸修复算法，结合人脸关键点预测和图像修复，实现了对人脸姿态、表情和遮挡等多方面的修复。在 CelebA-HQ 和 CelebA 数据集上的实验表明，该算法在视觉效果和定量评估上均超过了现有算法。同时，本文还发现高质量的修复图像和其关键点可以有效提高关键点预测模型的性能，在 300W 和 WFLW 数据集上也得到了验证。
face inpaintingdeep learningfacial landmark predictionceleba datasetimage completion
发现论文，激发创造
  • 基于 GAN 的面部视频修复中的现实地标导向

    本研究中我们提出了一种用于表情驱动的视频修复的网络，利用生成对抗网络来处理静态和移动的遮挡物以生成完整的人脸图像，并借助面部标志和无遮挡参考图像来保持用户身份的一致性和情感的细节修复，为静态和动态帧中的面部视频消除遮挡提供了逼真和连贯的结果。

    Feb, 2024

  • 一种深度学习框架用于口罩下的人脸重建

    采用三阶段方法，包括人脸关键点检测、掩膜二元分割和修复缺失区域等方法，用深度学习算法进行图像重建，以提高性别和其他特征的一致性。

    Mar, 2022

  • 具有子流形对齐的生成图像修复

    本研究提出了一种 GAN-based 图像修复模型，利用局部内在维数测量 GAN 模型学习到的数据子流形与原始数据之间的对齐性，并将 iLID 和 pLID 用作正则化，促进两个层面的子流形对齐：1）改善结构一致性的图像级对齐；2）改善纹理细节的补丁级对齐。经实验证明，我们的模型比现有的最先进模型能够产生更准确的结果。

    Aug, 2019

  • 学习面向位置的隐含神经网络用于真实世界人脸修复

    提出了一种名为 IN²（Implicit Neural Inpainting Network）的方法，通过显式建模位置信息来处理现实世界场景中的任意形状人脸图像，包括降采样编码器、邻居混合注意力块和隐式神经金字塔解码器，实验证明该方法在现实世界的人脸修复任务中具有较高的效果。

    Jan, 2024

  • 基于 GAN 的高效图像修复算法

    COVID-19 全球大流行对人脸识别带来了新的挑战，掩面的现象出现后，作者考虑利用图像修复中的机器学习方法来解决这个问题，并通过生成对抗网络（GAN）的生成能力和 autoencoder 的潜力，实现对原本被口罩遮挡的部分进行完整性修复。

    Sep, 2023

  • INCLG: 基於多任務圖像處理網絡的非腭裂唇生成修補算法

    我们提出了一种软件，可预测无腭裂唇病患的非腭裂面部图像，从而促进对腭裂唇手术的理解、意识和讨论。我们采用图像修补设计了一个软件框架，不需要腭裂唇图像进行训练，从而减轻了模型泄漏的风险。我们实现了一种新颖的多任务架构，预测非腭裂面部图像和面部关键点，表现更好，由外科医生评估。该软件采用 PyTorch 实现，在消费级彩色图像上可使用，预测速度快，实现了有效的部署。

    May, 2023

  • 利用面部特征点补充人脸取证检测与定位

    本文提出了一个包含真实照片、生成照片和编辑照片的面部取证定位数据集，并演示了通过在输入图像中显式添加面部标志信息，提高面部索证检测和定位性能的方法。

    Oct, 2019

  • LA-Net: 面部表情识别中基于地标的可靠学习

    提出一种名为 Landmark-Aware Net（LA-Net）的新型面部表情识别模型，利用面部标记从两个角度降低标签噪声的影响，通过邻域聚合构建每个样本的标签分布，并使用表情 - 标记对比损失将标记信息融入表情表示中，以提高培训监督质量，并在野外数据集和合成噪声数据集上展示了最先进的性能。

    Jul, 2023

  • ArtFacePoints：绘画与印刷品中的高分辨率面部关键点检测

    该论文提出了一种基于深度学习的方法，用于在高分辨率的艺术品图像中检测面部特征点，将任务分为全局网络和多个区域网络，并且该方法在艺术品高分辨率数据集上证明了较高的准确性。

    Oct, 2022

  • 面部特征点检测的深度结构预测

    本文提出了一种深度结构化面部标记检测方法，该方法使用深度卷积网络和条件随机场相结合，能够在面部标记检测上取得比现有技术更卓越的性能，特别是在包含大姿态和遮挡等具有挑战性的数据集上具备更好的泛化性能。

    Oct, 2020