騰訊開源 GFP-GAN 代碼
點擊上方“機器學習與生成對抗網(wǎng)絡”，關注星標
獲取有趣、好玩的前沿干貨！
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，這些并不是特別有用，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范圍內應用于現(xiàn)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(xiàn)真實性和保真度的良好平衡。該模型由退化去除模塊和預先訓練的人臉生成器組成。它們通過直接潛在代碼映射連接到使用 CS SFT 層的粗到細通道。CS-SFT 層對分割的特征執(zhí)行空間調制，并讓左側的特征直接通過以更好地保存信息，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，研究人員在局部鑒別器中引入了面部成分損失，以進一步增強感知面部細節(jié)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，然后在面部恢復中創(chuàng)建真實性和保真度的良好平衡。這是通過通道分割空間特征變換層實現(xiàn)的，能夠在真實世界圖像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(xiàn)了保真度和紋理忠實度的良好平衡。 根據(jù)本文所提出的方法在合成數(shù)據(jù)集和真實世界數(shù)據(jù)集上的性能都優(yōu)于現(xiàn)有技術。
論文：
https://arxiv.org/pdf/2101.04061.pdf
項目：
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人臉論文匯總
CVPR 2021生成對抗網(wǎng)絡GAN部分論文匯總
附下載 | 經(jīng)典《Think Python》中文版
附下載 |《TensorFlow 2.0 深度學習算法實戰(zhàn)》
附下載 | 超100篇！CVPR 2020最全GAN論文梳理匯總！