HiFaceGAN: 基于协同压抑与补偿的人脸修复

May, 2020

HiFaceGAN: 基于协同压抑与补偿的人脸修复

HiFaceGAN: Face Renovation via Collaborative Suppression and Replenishment

Lingbo Yang, Chang Liu, Pan Wang, Shanshe Wang, Peiran Ren...

TL;DR本研究针对现有的面部修复技术的限制，提出了一种名为 Face Renovation（FR）的语义引导生成方法，并采用协同抑制补充（CSR）策略解决这个更具挑战性和实际问题，最终构建了多阶段嵌套 CSR 单元的 HiFaceGAN。实验证明，HiFaceGAN 在包含丰富背景干扰的真实图像中具有出色的修复性能，展示了其在面部图像处理中的多用途、稳健性和泛化能力。

Abstract

Existing face restoration researches typically relies on either the degradation prior or explicit guidance labels for training, which often results in limited generalization ability over real-world images with heterogeneous degradations and rich background contents. In this paper, we i

face restoration dual-blind problem semantic-guided generation collaborative suppression and replenishment hifacegan

发现论文，激发创造

野外瞎目人脸修复的 GAN 预测嵌入网络

该研究提出了一种将基于生成对抗网络的高质量人脸图像生成器嵌入到 U 型深度神经网络中的盲目人脸修复方法，其能更好地控制全局脸部结构、局部面部细节和背景，并在野外环境下显著提高盲目人脸修复的效果。

May, 2021

具有关注恢复和关键点估计之间迭代协作的深度面部超分辨率

本文提出了一种基于深度学习和迭代协作的面部图像超分辨率方法，利用面部上的先验知识和注意力融合模块，相比现有的超分辨率方法取得显著性能提升。

Mar, 2020

基于生成式面部先验的实际盲目人脸修复

本文提出了一种利用预训练人脸 GAN 中不同先验知识的 GFP-GAN 盲目人脸修复方法，其通过创新的通道分离空间特征变换层将生成式人脸先验纳入人脸修复过程，达到真实性和保真度之间的良好平衡。与 GAN 反演法相比，GFP-GAN 能够通过单个前向传递联合修复面部细节并增强颜色。大量实验表明，我们的方法在合成和实际数据集上比现有技术具有优越的性能。

Jan, 2021

盲人面部恢复的渐进式语义感知风格转换

本文提出了一种名为 PSFR-GAN 的新型渐进式语义感知风格转换框架，用于面部图像修复。该框架通过多尺度逐步修复 LQ 面部图像，并在语义感知风格转移的同时从粗糙到精细地调制不同比例尺寸的特征。同时，引入了一种语义感知风格损失，以改善面部纹理的细节，并通过合成数据进行了实验验证。

Sep, 2020

Uni-Removal：一种半监督框架，用于同时解决实际图像中的多种降质问题

本文提出了一种半监督的、适用于多种图像退化去除的框架，其中利用了已预训练的多个网络进行知识传递，同时使用了多粒度对比损失和生成对抗损失，该方法在去雾、去雨、去模糊等方面具有优越性。

Jul, 2023

GCFSR: 一种基于生成和控制的人脸超分辨率方法，无需利用面部和 GAN 先验知识

本文介绍了一种基于 GAN 先验的面部图像超分辨率方法，通过特征调制和风格调制生成更加真实的面部细节并保留识别信息，对比现有方法，该方法可以在不需要额外先验的情况下从头开始训练，并可在测试时通过特征调制实现不同的生成效果。

Mar, 2022

Face2Face：基于标签的面部修饰恢复

通过提出的 Face2Face 框架，包括面部修饰检测器、基于预测修饰标签的图像修复模型 FaceR 和用于处理扩散模型引起的色彩偏移的分层自适应实例归一化（H-AdaIN）模块，来解决面部修饰还原问题，并通过实验验证了我们的框架和每个模块的有效性。

Apr, 2024

FSGANv2：改进的主体无关人脸交换和重现技术

本研究提出了一种基于深度学习的面部交换生成对抗网络（FSGAN），用于面部交换和活体重放，包括一种新颖的迭代深度学习方法，可用于面部活体重放，采用重建三角形和重心坐标的方法连续插值，使用面部补全网络处理被遮挡的面部区域，最终采用一种新型泊松混合损失融合两张面孔并保持目标肤色和照明条件。

Feb, 2022

FSGAN: 面部交换和重现（无主题）

本文提出了一种基于 GAN 的脸部交换和演绎方法，其中采用了 RNN 和 Delaunay Triangulation 来进行脸部再现，并使用 Poisson blending loss 来实现融合。与现有技术相比，本方法在定性和定量方面均有更好的表现。

Aug, 2019

超越脸部旋转：全局和局部感知 GAN 用于逼真且保留身份特征的前方合成

本文提出了一种基于 TP-GAN 网络的真实主观正面合成方法，通过引入对局部纹理的注意力网络，并结合对称损失、身份保留损失等方式来解决这个本质上存在不确定性的挑战性问题。实验结果表明，该方法不仅在感知结果上表现出色，而且在大角度人脸识别方面也优于现有的最新方法。

Apr, 2017