論文の概要: Deblurring Processor for Motion-Blurred Faces Based on Generative
Adversarial Networks
- arxiv url: http://arxiv.org/abs/2103.02121v1
- Date: Wed, 3 Mar 2021 01:35:02 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-07 01:22:27.898914
- Title: Deblurring Processor for Motion-Blurred Faces Based on Generative
Adversarial Networks
- Title（参考訳）: 生成的対向ネットワークに基づく動きブラインド顔のデブロアリングプロセッサ
- Authors: Shiqing Fan, Ye Luo
- Abstract要約: 本論文では,主に運動破砕面の修復に焦点を当てる。
GAN(Generative Adversarial Network)に基づく動きブルの顔画像信号のデブロアリング法を提案する。
エンドツーエンドの手法を使用して、シャープな画像生成装置、すなわち、動きを破った顔画像のプロセッサを訓練する。
- 参考スコア（独自算出の注目度）: 0.5837881923712392
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Low-quality face image restoration is a popular research direction in today's
computer vision field. It can be used as a pre-work for tasks such as face
detection and face recognition. At present, there is a lot of work to solve the
problem of low-quality faces under various environmental conditions. This paper
mainly focuses on the restoration of motion-blurred faces. In increasingly
abundant mobile scenes, the fast recovery of motion-blurred faces can bring
highly effective speed improvements in tasks such as face matching. In order to
achieve this goal, a deblurring method for motion-blurred facial image signals
based on generative adversarial networks(GANs) is proposed. It uses an
end-to-end method to train a sharp image generator, i.e., a processor for
motion-blurred facial images. This paper introduce the processing progress of
motion-blurred images, the development and changes of GANs and some basic
concepts. After that, it give the details of network structure and training
optimization design of the image processor. Then we conducted a motion blur
image generation experiment on some general facial data set, and used the pairs
of blurred and sharp face image data to perform the training and testing
experiments of the processor GAN, and gave some visual displays. Finally, MTCNN
is used to detect the faces of the image generated by the deblurring processor,
and compare it with the result of the blurred image. From the results, the
processing effect of the deblurring processor on the motion-blurred picture has
a significant improvement both in terms of intuition and evaluation indicators
of face detection.
- Abstract（参考訳）: 低品質の顔画像復元は、今日のコンピュータビジョン分野で人気のある研究方向です。
顔検出や顔認識などのタスクの前処理として使用できます。
現在,様々な環境条件下での低品質な顔の問題解決には多くの課題がある。
本論文では,主に運動破砕面の修復に焦点を当てる。
ますます豊富なモバイルシーンでは、動きが鈍い顔の迅速な回復は、顔のマッチングなどのタスクに非常に効果的な速度改善をもたらすことができます。
この目的を達成するために,GAN(Generative Adversarial Network)に基づく動きブルの顔画像信号のデブロアリング手法を提案する。
エンドツーエンドの手法を使用して、シャープな画像生成装置、すなわち、動きを破った顔画像のプロセッサを訓練する。
本稿では,動画像の処理の進展,ganの発達と変化,および基本的な概念について述べる。
その後、イメージプロセッサのネットワーク構造とトレーニング最適化設計の詳細を提供します。
次に,一部の一般的な顔データに対してモーションボケ画像生成実験を行い,その2対のボケ画像とシャープ画像データを用いて,プロセッサganのトレーニングおよびテスト実験を行い,視覚表示を行った。
最後に、MTCNNを使用して、デブレーションプロセッサによって生成された画像の顔を検出し、ぼやけた画像の結果と比較します。
以上の結果から, デブラリング処理装置の動作ブラインド画像に対する処理効果は, 直観と顔検出評価指標の両方において有意な改善を示した。
関連論文リスト
- OSDFace: One-Step Diffusion Model for Face Restoration [72.5045389847792]
拡散モデルは、顔の修復において顕著な性能を示した。
顔復元のための新しいワンステップ拡散モデルOSDFaceを提案する。
その結果,OSDFaceは現状のSOTA(State-of-the-art)手法を視覚的品質と定量的指標の両方で上回っていることがわかった。
論文 参考訳（メタデータ） (2024-11-26T07:07:48Z) - W-Net: A Facial Feature-Guided Face Super-Resolution Network [8.037821981254389]
Face Super-Resolutionは、高解像度 (HR) の顔画像を低解像度 (LR) の顔画像から復元することを目的としている。
既存手法は, 再建効率が低く, 事前情報の利用が不十分であるため, 理想的ではない。
本稿では,この課題に対処するため,W-Netと呼ばれる新しいネットワークアーキテクチャを提案する。
論文 参考訳（メタデータ） (2024-06-02T09:05:40Z) - Image Deblurring using GAN [0.0]
本研究は,GAN(Generative Adversarial Network)の画像処理への応用に焦点を当てた。
プロジェクトはGANモデルのインフローを定義し、GoPROデータセットでトレーニングする。
ネットワークは画像のシャープなピクセルを取得でき、平均29.3ピーク信号対雑音比(PSNR)と0.72構造類似度評価(SSIM)を実現している。
論文 参考訳（メタデータ） (2023-12-15T02:43:30Z) - A new face swap method for image and video domains: a technical report [60.47144478048589]
FaceShifterアーキテクチャに基づいた新しいフェイススワップパイプラインを導入する。
新しいアイロス機能、超解像ブロック、ガウスベースのフェイスマスク生成は、品質改善につながる。
論文 参考訳（メタデータ） (2022-02-07T10:15:50Z) - GMFIM: A Generative Mask-guided Facial Image Manipulation Model for
Privacy Preservation [0.7734726150561088]
入力顔画像に知覚不可能な編集を適用するために,GANをベースとしたマスク誘導顔画像マニピュレーションモデルを提案する。
我々のモデルは、最先端の手法と比較して、自動顔認識システムに対してより良い性能を実現することができる。
論文 参考訳（メタデータ） (2022-01-10T14:09:14Z) - Pro-UIGAN: Progressive Face Hallucination from Occluded Thumbnails [53.080403912727604]
Inpainting Generative Adversarial Network, Pro-UIGANを提案する。
顔の形状を利用して、隠された小さな顔の補充とアップサンプリング(8*)を行う。
Pro-UIGANは、HR面を視覚的に満足させ、下流タスクにおいて優れたパフォーマンスを達成する。
論文 参考訳（メタデータ） (2021-08-02T02:29:24Z) - Network Architecture Search for Face Enhancement [82.25775020564654]
我々は、NASFE(Network Architecture Search for Face Enhancement)と呼ばれるマルチタスクの顔復元ネットワークを提案する。
NASFEは、単一の劣化(すなわち)を含む低品質の顔画像を高めることができる。
ノイズまたはぼやけ)または複数の劣化(ノイズ+ブラル+ローライト)
論文 参考訳（メタデータ） (2021-05-13T19:46:05Z) - Self-Supervised Linear Motion Deblurring [112.75317069916579]
深層畳み込みニューラルネットワークは、画像の劣化の最先端技術である。
本稿では,自己監督型動作遅延に対する識別可能なreblurモデルを提案する。
我々の実験は、自己監督された単一画像の劣化が本当に実現可能であることを実証した。
論文 参考訳（メタデータ） (2020-02-10T20:15:21Z) - Exploiting Semantics for Face Image Deblurring [121.44928934662063]
本稿では,深層畳み込みニューラルネットワークによる意味的手がかりを利用して,効果的かつ効率的な顔分解アルゴリズムを提案する。
顔のセマンティックラベルを入力先として組み込んで,顔の局所構造を正規化するための適応的構造損失を提案する。
提案手法は、より正確な顔の特徴と細部を持つシャープ画像を復元する。
論文 参考訳（メタデータ） (2020-01-19T13:06:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。