論文の概要: Towards Real-World Blind Face Restoration with Generative Diffusion
Prior
- arxiv url: http://arxiv.org/abs/2312.15736v1
- Date: Mon, 25 Dec 2023 14:16:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-27 16:42:15.744620
- Title: Towards Real-World Blind Face Restoration with Generative Diffusion
Prior
- Title(参考訳): 生成拡散前における実世界ブラインド顔復元に向けて
- Authors: Xiaoxu Chen, Jingfan Tan, Tao Wang, Kaihao Zhang, Wenhan Luo, Xiaocun
Cao
- Abstract要約: ブラインド顔の復元はコンピュータビジョンにおいて重要な課題であり、広範囲の応用により注目されている。
低画質の顔画像から特徴を効果的に抽出するBFRffusionを提案する。
また、人種、性別、年齢といったバランスのとれた属性を備えたPFHQというプライバシ保護顔データセットも構築しています。
- 参考スコア(独自算出の注目度): 32.06570655576273
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Blind face restoration is an important task in computer vision and has gained
significant attention due to its wide-range applications. In this work, we
delve into the potential of leveraging the pretrained Stable Diffusion for
blind face restoration. We propose BFRffusion which is thoughtfully designed to
effectively extract features from low-quality face images and could restore
realistic and faithful facial details with the generative prior of the
pretrained Stable Diffusion. In addition, we build a privacy-preserving face
dataset called PFHQ with balanced attributes like race, gender, and age. This
dataset can serve as a viable alternative for training blind face restoration
methods, effectively addressing privacy and bias concerns usually associated
with the real face datasets. Through an extensive series of experiments, we
demonstrate that our BFRffusion achieves state-of-the-art performance on both
synthetic and real-world public testing datasets for blind face restoration and
our PFHQ dataset is an available resource for training blind face restoration
networks. The codes, pretrained models, and dataset are released at
https://github.com/chenxx89/BFRffusion.
- Abstract(参考訳): ブラインド顔の復元はコンピュータビジョンにおいて重要な課題であり、広範囲の応用により注目されている。
本研究では,前訓練した安定拡散を利用したブラインドフェイス修復の可能性を探る。
本稿では,低品質な顔画像から特徴を効果的に抽出し,予め訓練された安定拡散前の生成物を用いてリアルで忠実な顔詳細を復元するbfrffusionを提案する。
さらに、人種、性別、年齢といったバランスのとれた属性を備えたプライバシ保護顔データセットPFHQを構築しています。
このデータセットは、ブラインドフェイス復元方法をトレーニングするための実行可能な代替手段として機能し、実際の顔データセットに関連するプライバシーとバイアスの懸念に効果的に対処する。
大規模な実験を通じて、我々のBFRffusionは、ブラインドフェイス復元のための合成および実世界のパブリックテストデータセットの両方で最先端のパフォーマンスを達成し、PFHQデータセットはブラインドフェイス復元ネットワークをトレーニングするための利用可能なリソースであることを示す。
コード、事前トレーニングされたモデル、データセットはhttps://github.com/chenxx89/bfrffusionでリリースされる。
関連論文リスト
- CLR-Face: Conditional Latent Refinement for Blind Face Restoration Using
Score-Based Diffusion Models [57.9771859175664]
最近の生成優先法は、有望なブラインドフェイス修復性能を示している。
入力に忠実なきめ細かい顔の詳細を生成することは、依然として難しい問題である。
本稿では,VQGANアーキテクチャの内部に拡散型プライマーを導入し,非破壊な潜伏埋め込みにおける分布の学習に重点を置いている。
論文 参考訳(メタデータ) (2024-02-08T23:51:49Z) - TIFace: Improving Facial Reconstruction through Tensorial Radiance
Fields and Implicit Surfaces [34.090466325032686]
本報告では,「人間の頭に対するビュー・シンセサイザー・チャレンジ」の第1位を確保したソリューションについて述べる。
人間の頭部の粗い視像を考慮に入れれば、この課題は、新しい視点から画像を合成することである。
テンソル放射場(T-Face)と暗示面(I-Face)による顔再構成を改善するTI-Faceを提案する。
論文 参考訳(メタデータ) (2023-12-15T04:23:20Z) - Attribute-preserving Face Dataset Anonymization via Latent Code
Optimization [64.4569739006591]
本稿では,事前学習したGANの潜時空間における画像の潜時表現を直接最適化するタスク非依存匿名化手法を提案する。
我々は一連の実験を通して、我々の手法が画像の同一性を匿名化できる一方で、顔の属性をより保存できることを実証した。
論文 参考訳(メタデータ) (2023-03-20T17:34:05Z) - A Survey of Deep Face Restoration: Denoise, Super-Resolution, Deblur,
Artifact Removal [177.21001709272144]
顔復元(FR)は、低品質(LQ)入力画像から高品質(HQ)顔を復元することを目的としている。
本稿では,顔修復のための深層学習技術の最近の進歩を包括的に調査する。
論文 参考訳(メタデータ) (2022-11-05T07:08:15Z) - Multi-Prior Learning via Neural Architecture Search for Blind Face
Restoration [61.27907052910136]
Blind Face Restoration (BFR)は、高品質な顔画像から高品質な顔画像を復元することを目的としている。
1)手動チューニングを伴わない強力なネットワークアーキテクチャの導出方法,2) 複数の顔前者からの補完情報を1つのネットワークで取得して復元性能を向上させる方法,の2つの大きな課題がある。
特定検索空間内において,適切な特徴抽出アーキテクチャを適応的に探索する顔復元検索ネットワーク(FRSNet)を提案する。
論文 参考訳(メタデータ) (2022-06-28T12:29:53Z) - Enhancing Quality of Pose-varied Face Restoration with Local Weak
Feature Sensing and GAN Prior [29.17397958948725]
本稿では,前向きに顔の再生を行うブラインド・フェイス・リカバリ・ネットワークを提案する。
我々のモデルは、顔の復元や顔の超解像処理において、従来の技術よりも優れている。
論文 参考訳(メタデータ) (2022-05-28T09:23:48Z) - End2End Occluded Face Recognition by Masking Corrupted Features [82.27588990277192]
最先端の一般的な顔認識モデルは、隠蔽された顔画像に対してうまく一般化しない。
本稿では,1つのエンドツーエンドのディープニューラルネットワークに基づいて,オクルージョンに頑健な新しい顔認識手法を提案する。
我々のアプローチは、深い畳み込みニューラルネットワークから破損した特徴を発見し、動的に学習されたマスクによってそれらをきれいにする。
論文 参考訳(メタデータ) (2021-08-21T09:08:41Z) - Towards Real-World Blind Face Restoration with Generative Facial Prior [19.080349401153097]
盲目の顔の復元は通常、現実的で忠実な詳細を復元するために、顔の形状の事前または参照などの顔の優先度に依存します。
本稿では,前訓練顔GANにカプセル化される多彩で多様な前駆体を利用してブラインドフェイス修復を行うGFP-GANを提案する。
本手法は,合成データと実世界データの両方において,先行技術よりも優れた性能を実現する。
論文 参考訳(メタデータ) (2021-01-11T17:54:38Z) - DotFAN: A Domain-transferred Face Augmentation Network for Pose and
Illumination Invariant Face Recognition [94.96686189033869]
本稿では,3次元モデルを用いたドメイン転送型顔強調ネットワーク(DotFAN)を提案する。
DotFANは、他のドメインから収集された既存のリッチフェイスデータセットから抽出された知識に基づいて、入力顔の一連の変種を生成することができる。
実験によると、DotFANは、クラス内の多様性を改善するために、小さな顔データセットを増やすのに有益である。
論文 参考訳(メタデータ) (2020-02-23T08:16:34Z)
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。