公开(公告)号：CN114511466A

公开(公告)日：2022-05-17

申请号：CN202210155385.3

申请日：2022-02-21

Applicant: 北京大学深圳研究生院

Inventor： 张健 ,  王荫槐 ,  胡妤婕

IPC: G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于生成对抗网络先验的盲人脸图像复原方法，包括生成对抗网络先验模块、图像特征提取模块、基于无监督学习退化表征策略的退化表征编码模块、退化感知特征插值模块。生成对抗网络先验模块，用于从初始特征图通过针对人脸预训练好的生成对抗网络生成不同尺度的中间特征图，从而合成更真实的人脸结构和细节；图像特征提取模块，用于从原始退化图像提取出不同尺度的特征图；退化表征编码模块，根据是否使用不同退化函数构造正负样本，从而实现在无监督情况下提取出图像在不同退化程度下的退化表征；退化感知特征插值模块，用于融合图像特征提取模块每一层提取到的特征图和生成对抗网络先验模块每一层得到的特征图。本发明可以自适应学习图像的不同退化程度，实现从不同程度的多种未知退化下的低质量人脸图像复原出身份一致，细节清晰的高质量人脸图像。

公开(公告)号：CN114511466B

公开(公告)日：2024-04-26

申请号：CN202210155385.3

申请日：2022-02-21

Applicant: 北京大学深圳研究生院

Inventor： 张健 ,  王荫槐 ,  胡妤婕

IPC: G06T5/77 ,  G06T5/60 ,  G06N3/0464 ,  G06N3/088

Abstract: 本发明公开了一种基于生成对抗网络先验的盲人脸图像复原方法，包括生成对抗网络先验模块、图像特征提取模块、基于无监督学习退化表征策略的退化表征编码模块、退化感知特征插值模块。生成对抗网络先验模块，用于从初始特征图通过针对人脸预训练好的生成对抗网络生成不同尺度的中间特征图，从而合成更真实的人脸结构和细节；图像特征提取模块，用于从原始退化图像提取出不同尺度的特征图；退化表征编码模块，根据是否使用不同退化函数构造正负样本，从而实现在无监督情况下提取出图像在不同退化程度下的退化表征；退化感知特征插值模块，用于融合图像特征提取模块每一层提取到的特征图和生成对抗网络先验模块每一层得到的特征图。本发明可以自适应学习图像的不同退化程度，实现从不同程度的多种未知退化下的低质量人脸图像复原出身份一致，细节清晰的高质量人脸图像。