Jan, 2024
ENTED：参考图像盲目人脸修复中的增强神经纹理提取和分布
ENTED: Enhanced Neural Texture Extraction and Distribution for Reference-based Blind Face Restoration
Yuen-Fui Lau, Tianjia Zhang, Zhefan Rao, Qifeng Chen
TL;DR我们提出了一个名为 ENTED 的新框架，用于盲目修复人脸，旨在恢复高质量和逼真的肖像图像。通过在单个退化的输入图像和高质量参考图像之间传输高质量纹理特征，我们的方法包括修复一个退化输入图像。然而，我们框架中的 StyleGAN 类似结构需要高质量的潜在编码来生成逼真的图像。从退化的输入图像提取的潜在编码经常包含损坏的特征，使得难以将来自输入的语义信息与来自参考图像的高质量纹理对齐。为了克服这一挑战，我们采用了两种特殊技术。第一种技术，受到矢量量化的启发，用高质量的码字替换损坏的语义特征。第二种技术生成样式编码，这些编码携带了使用参考图像流形中的高质量特征开发的更丰富的光真实纹理信息。对合成和真实世界数据集进行的广泛实验证明了我们方法产生具有更逼真背景细节的结果，并超越了最先进的方法。一项彻底的消融研究证实了每个提议模块的有效性。