首页|基于深度学习的面部修复技术综述

基于深度学习的面部修复技术综述

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
传统图像修复算法在修复区域涉及复杂非重复结构(如面部)时,不能准确捕捉到高级语义.近三年来基于深度学习的方法被应用于图像修复中,其修复结果的结构相似性较传统方法提高了10％以上.首先阐述了面部修复技术的研究发展历程,主要介绍了基于深度学习的面部修复算法,将其分为无监督和有监督两大类方法,在每一类中重点对近年来涌现的各种面部修复算法进行分析和总结;然后归纳了当前主流的六类图像数据集,以及算法性能评价指标;最后讨论了面部修复技术的未来研究方向.
Survey of facial completion techniques based on deep learning

刘颖、佘建初、公衍超、卢津、王富平、林庆帆、李莹华

展开 >

电子信息现场勘验应用技术公安部重点实验室,西安710121

陕西省无线通信与信息处理技术国际合作研究中心,西安710121

西安邮电大学图像与信息处理研究所,西安710121

新加坡Silicon Vision有限公司,新加坡787820

展开 >

面部图像修复 深度学习 生成对抗网络 卷积神经网络

国家自然科学基金资助项目陕西省国际合作交流项目

618013812018KW-003

2021

10.19734/j.issn.1001-3695.2019.10.0583

计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
年,卷(期)：2021.38(1)
  • 2
  • 4