科研之友
微信
新浪微博
Facebook
分享链接
摘要
图像修复在修复老照片、消除人脸马赛克等应用中起到关键作用。针对现有深度学习人脸图像修复方法因受干扰信息影响，存在编解码器修复效果欠佳，修复结果因概率多样性出现偏离用户预期等问题。提出了一种草图引导的选择循环推理式人脸图像修复网络，通过设计一种选择循环推理策略，在循环网络中引入选择机制降低干扰信息对编解码的推理影响，并在编码器和解码器之间的跳跃连接中加入基于草图的结构信息修正模块，从而限制修复结果相对于用户期望的结构偏离。在CelebA-HQ数据集上的实验结果表明，该方法在评价指标和引导生成用户期望内容方面均优于其他经典网络。在人工手绘草图上的实验结果表明，可以通过简单的手绘方式生成用户指定的内容，具有一定的实际应用意义。
- 单位
