现有的人脸图像修复方法存在像素信息处理不准确、感受野有限和计算复杂度高等问题。为此,提出了一种基于门控卷积和大核卷积的人脸图像修复网络(gated convolution and large kernel convolution face image inpainting network,GCLKC-...现有的人脸图像修复方法存在像素信息处理不准确、感受野有限和计算复杂度高等问题。为此,提出了一种基于门控卷积和大核卷积的人脸图像修复网络(gated convolution and large kernel convolution face image inpainting network,GCLKC-Net)。采用门控编码器策略,提高像素信息处理的准确性;设计的大核卷积残差模块,在较小计算开销下能有效扩大感受野,并通过多尺度注意力前馈神经网络增强模型的鲁棒性。采用选择性核(selective kernel,SK)融合,将浅层特征与深层特征有效结合,通过对比正则化进一步提升修复性能。在高质量图像数据集CelebA-HQ和FFHQ以及低质量图像数据集LFW上进行实验。结果表明,GCLKC-Net能有效修复随机不规则大面积遮挡区域,生成结构合理、纹理细腻且语义丰富的人脸图像。展开更多
文摘现有的人脸图像修复方法存在像素信息处理不准确、感受野有限和计算复杂度高等问题。为此,提出了一种基于门控卷积和大核卷积的人脸图像修复网络(gated convolution and large kernel convolution face image inpainting network,GCLKC-Net)。采用门控编码器策略,提高像素信息处理的准确性;设计的大核卷积残差模块,在较小计算开销下能有效扩大感受野,并通过多尺度注意力前馈神经网络增强模型的鲁棒性。采用选择性核(selective kernel,SK)融合,将浅层特征与深层特征有效结合,通过对比正则化进一步提升修复性能。在高质量图像数据集CelebA-HQ和FFHQ以及低质量图像数据集LFW上进行实验。结果表明,GCLKC-Net能有效修复随机不规则大面积遮挡区域,生成结构合理、纹理细腻且语义丰富的人脸图像。
