ECCVAug, 2020

深度多尺度分量字典盲目人脸修复

PDF
TL;DR该论文提出了一种深度字典网络（称为 DFDNet），用于参考基础面部修复方法中没有限制同一身份高质量参考图像的场景，并通过字典功能转移块从高质量图像中生成字典以修复真实降质图像上的细节。
reference-based face restorationdeep dictionary networkdictionary feature transferhigh-frequency detailsreal degraded images
发现论文，激发创造
  • WaveFace：高效频域恢复的真实面部修复

    WaveFace 通过在频域中分别处理低频和高频成分，解决了扩散模型在时间和身份保留方面的问题，高频成分通过统一网络处理，从而在身份保留和效率方面超越现有的扩散模型基础的 BFR 方法。

    Mar, 2024

  • 通过字典引导的变换器实现用于下屏摄像的盲目人脸修复

    通过在显示面板下隐藏前置摄像头，Under-Display Camera (UDC) 为用户提供了全屏体验。然而，由于显示的特性，UDC 拍摄的图像会受到明显的质量下降。提出了一种名为 UDC-DMNet 的双阶网络 UDC Degradation Model Network 来通过建模 UDC 成像过程来合成 UDC 图像。使用 UDC-DMNet 和来自 FFHQ 和 CelebA-Test 的高质量人脸图像创建了用于 UDC 人脸恢复的训练数据集 FFHQ-P/T 和测试数据集 CelebA-Test-P/T。提出了一种名为 DGFormer 的新型字典引导变换网络，引入了人脸组件字典和 UDC 图像的特征，使 DGFormer 能够应对 UDC 场景中的盲目人脸恢复。实验证明了我们的 DGFormer 和 UDC-DMNet 取得了最先进的性能。

    Aug, 2023

  • FADNet：一种用于视差估计的快速准确网络

    FADNet 是一种高效准确的深度学习网络用于计算机视觉中的视差估计，采用 2D 基础相关层与残差结构来提高预测精度， 并通过多尺度预测技术实现多尺度权重调度来提高准确性，无需 3D 模型耗费更多的计算资源。

    Mar, 2020

  • 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

  • 使用矢量量化字典和并行解码器进行盲人面部修复

    提出了基于向量量化和纹理变形的 VQFR 方法，该方法利用高质量的低层特征和并行解码器以及自适应压缩字典来恢复面部细节，提高了面部细节的修复质量。

    May, 2022

  • 通过精细面部深度生成和 RGB-D 互补特征学习来提高 2D 面部识别

    本文提出了一种 Fine-grained 面部深度生成网络和改进的多模式补充特征学习网络，实验结果表明，该方法可提高 RGB-D 面部识别的准确性并实现最先进性能。

    May, 2023

  • 使用深度卷积神经网络进行多视角人脸检测

    本文提出了一种基于卷积神经网络的 Deep Dense Face Detector (DDFD) 方法，不仅不需要姿态或者地标注释，而且能够探测多个视角下人脸的位置，并且表现出与其他方法相当或优于其他更为复杂的方法。

    Feb, 2015

  • 尺度友好的深度卷积神经网络进行人脸检测

    本篇论文介绍了一种基于卷积神经网络设计的人脸检测器，该检测器可以处理极大范围内尺度大小的人脸，所设计的深度卷积神经网络结构可以模拟不同尺度的人脸，且经过训练后在 WIDER FACE 和 FDDB 数据集中表现出优异性能，其模型的输入不需要图像金字塔，拥有适度的复杂度，实用性标准时间内运行。

    Jun, 2017

  • 深度神经网络实现照片级真实面部纹理推理

    利用深度卷积神经网络提取中层特征，从高分辨率人脸数据库中拟合特征的凸组合，从而生成 photorealistic texture map，以实现从低分辨率输入图像中合成高逼真度的 3D 人脸渲染模型，并进行了广泛的验证。

    Dec, 2016

  • 傅立叶文档恢复实现持久文档矫正和识别

    本文介绍了一种名为 FDRNet 的基于傅里叶变换的文档恢复网络，采用弹性薄板样条插值（Thin Plate Spline）技术对文档进行去形变，可以提高文档识别的准确性。该算法能够处理多种变形效果并在文本识别任务方面实现显著优于现有技术的性能。

    Mar, 2022