Jan, 2020

利用语义进行人脸图像去模糊

PDF
TL;DR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。
face deblurringsemantic cuesdeep convolutional neural networksstructural lossfacial local structures
发现论文，激发创造
  • 深度语义人脸去模糊

    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

  • 深度模糊映射：深度神经网络利用高级语义

    通过深度神经网络提取高级特征，成功地实现了一种基于全卷积神经网络的局部模糊映射算法，显著提高了模糊检测的效果，并探索了在后续的三个应用中的潜在作用。

    Dec, 2016

  • 结构生成和细节增强联合人脸超分辨率和去模糊

    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

  • 使用样本学习去模糊图像

    本文提出了一种基于样本数据集的去模糊算法以及卷积神经网络恢复模糊图像中的清晰边缘进行去模糊处理，实验表明该算法对于人脸图像去模糊非常有效，并且可以用于其他物体类别。

    May, 2018

  • 深度人脸去模糊

    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

  • DeepDeblur: 快速一步模糊人脸图像复原

    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

  • 深度神经图像去模糊的综合调查

    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

  • 时序锐度先验下级联深度视频去模糊

    本文提出了一种用于视频去模糊的简单而有效的深度卷积神经网络模型，该模型由中间潜在帧的光流估计和潜在帧恢复步骤组成，并开发了时间锐度先验以控制其性能表现。研究结果表明，该算法在基准数据集和实际视频上的表现优于现有的最先进方法。

    Apr, 2020

  • 全局反卷积网络用于语义分割

    本文提出了一种新型架构，用于全局地等效进行反卷积操作并获取密集预测进而解决卷积神经网络在语义图像分割任务中的两个独特挑战，即低分辨率输出与局部特征提取中的全局信息不足。实验结果表明，在 PASCAL VOC 2012 基准测试中，本文方法取得了 74.0% 的平均 IU 准确率，优于当前最先进的语义分割模型。

    Feb, 2016

  • 动态场景去模糊的深层多尺度卷积神经网络

    本文提出了一种多尺度卷积神经网络模型，用于处理不同来源的模糊，通过使用自定义的大规模数据集训练该模型，实现了在动态场景去模糊方面的卓越性能。

    Dec, 2016