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

我们提出了一种新颖的质量引导联合训练方法，能够同时学习不同质量的图像，并基于质量分割，应用基于分类的方法学习高质量数据，以及应用自监督的图像 - 图像对比学习方法学习低质量图像。在多个数据集上的实验证明了我们提出的方法在识别不同质量的人脸图像方面的有效性。

Dec, 2023

面部修复是图像修复中的一个专业领域，旨在将低质量的面部图像恢复为高质量的面部图像。本论文首先考察了导致真实世界低质量图像的普遍因素，并介绍了合成低质量图像的降质技术。我们还讨论了该领域常用的重要基准，并根据不同任务对面部修复方法进行分类并解释了它们的演化过程。此外，我们探讨了在修复过程中常用的各种面部先验知识，并讨论了增强其有效性的策略。在实验部分，我们使用统一基准全面评估了最先进的面部修复方法在各种任务上的性能，并从不同的角度分析了它们的表现。最后，我们讨论了面部修复领域面临的挑战，并提出了未来发展的潜在方向。本工作的开源代码库可以在 https://github.com/24wenjie-li/Awesome-Face-Restoration 找到。

Sep, 2023

本文提出了一种新颖的盲图像质量评估方法，该方法利用深度神经网络中的协作自编码器 (COAE) 提取内容和失真表示，从而克服了主观注释数据缺乏的困难，实现了自监督学习，取得了最先进的性能。

May, 2023

本文提出了一种新型的自我监督混合模型（DAE-GAN），它结合了两个形变自编码器及条件生成的最新进展，用于学习如何在大量未标记视频的情况下自然地再现人脸，并且在 VoxCeleb1 和 RaFD 数据集上得到了优秀的实验结果，表明了重新表演图像的优异品质和在不同身份之间转移面部动作的灵活性。

Mar, 2020

提出了一种新颖的方法来检测深度伪造视频，使用一对通过自监督屏蔽自编码设置预训练的视觉转换器。

Jun, 2023

作者提出了一种高质量深度图解码器，通过自适应轴承、归一化位置、嵌入通道注意采样模块获取多级近无损细粒度信息，并利用自适应信息交换方案将其自适应地整合到具有高级语义特征的低分辨率特征图中，利用自适应细化模块建模像素之间的局部和全局依赖关系，在全局视角下建模差异值的分布特性，最终实现了深度估计结果的质量提升。

May, 2023

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

研究论文旨在提出一种减少对标记数据依赖的替代方法，通过在面部图像识别任务中利用自编码器预训练和两步过程来实现。自编码器首先以无监督的方式使用大量无标签的训练数据集进行训练，然后使用预训练自编码器的初始化参数进行深度学习模型的训练。该方法的实验结果表明，使用预训练自编码器参数初始化的深度神经网络可以达到与现有方法相媲美的效果。

Dec, 2023

通过提出一种局部感知自编码器及主动学习框架，为解决当前面临的深度伪造检测的泛化问题提供了一条新的途径，可以更加准确地针对伪造区域进行判别，从而提高残缺的检测能力。

Sep, 2019