騰訊開源 GFP-GAN 程式碼
點選上方“機器學習與生成對抗網路”，關注星標
獲取有趣、好玩的前沿乾貨！
文章來源 相約機器人
通常人面部修復將使用面部先驗，例如幾何和參考。然而當輸入質量低時，這些並不是特別有用，因為它不能提供準確的幾何先驗或當高質量參考不可訪問時，因此它們只能在有限的範圍內應用於現實世界的場景。
騰訊 AI 的研究人員提出了他們的新GFP-GAN 模型，以在一次前向傳遞中實現真實性和保真度的良好平衡。該模型由退化去除模組和預先訓練的人臉生成器組成。它們通過直接潛在程式碼對映連線到使用 CS SFT 層的粗到細通道。CS-SFT 層對分割的特徵執行空間調製，並讓左側的特徵直接通過以更好地儲存資訊，從而允許所提出的方法結合生成先驗，同時有效地重新訓練高保真度。此外，研究人員在區域性鑑別器中引入了面部成分損失，以進一步增強感知面部細節和身份保留增益，從而提高整體質量。
GFP-GAN 框架利用豐富多樣的生成面部，然後在面部恢復中建立真實性和保真度的良好平衡。這是通過通道分割空間特徵變換層實現的，能夠在真實世界影象的準確性和泛化方面超越所有其他方法。廣泛的比較證明了這種卓越的能力，它超越了之前所做的任何事情。
關鍵點：
-
研究人員使用豐富多樣的面部先驗進行面部修復。 -
提出的具有 CS-SFT 層的 GFP-GAN 在一次前向傳遞中實現了保真度和紋理忠實度的良好平衡。 -
根據本文所提出的方法在合成數據集和真實世界資料集上的效能都優於現有技術。
論文：
https://arxiv.org/pdf/2101.04061.pdf
專案：
https://xinntao.github.io/projects/gfpgan
Github：
https://github.com/TencentARC/GFPGAN
猜您喜歡：
CVPR 2021 | GAN的說話人驅動、3D人臉論文彙總
附下載 |《TensorFlow 2.0 深度學習演算法實戰》
附下載 | 超100篇！CVPR 2020最全GAN論文梳理彙總！
本文分享自微信公眾號 - 機器學習與生成對抗網路（AI_bryant8）。
如有侵權，請聯絡 [email protected] 刪除。
本文參與“OSC源創計劃”，歡迎正在閱讀的你也加入，一起分享。