Umfrage zur Tiefen Gesichtswiederherstellung: Von Nicht-blind über Blind hinaus

Die Gesichtswiederherstellung (FR) ist ein spezialisiertes Gebiet innerhalb der Bildwiederherstellung, das darauf abzielt, qualitativ minderwertige (LQ) Gesichtsbilder in hochwertige (HQ) Gesichtsbilder wiederherzustellen. Jüngste Fortschritte in der Deep-Learning-Technologie haben zu erheblichen Fortschritten bei FR-Methoden geführt. In diesem Artikel beginnen wir mit der Untersuchung der vorherrschenden Faktoren, die für reale LQ-Bilder verantwortlich sind, und stellen Degenerationstechniken vor, die zur Synthese von LQ-Bildern verwendet werden. Wir erörtern auch bemerkenswerte Benchmarks, die häufig in diesem Bereich verwendet werden. Anschließend kategorisieren wir FR-Methoden basierend auf verschiedenen Aufgaben und erklären ihre Evolution. Darüber hinaus erkunden wir die verschiedenen Gesichtsprioren, die häufig in der Wiederherstellung verwendet werden, und diskutieren Strategien zur Verbesserung ihrer Wirksamkeit. Im experimentellen Abschnitt bewerten wir die Leistung der neuesten FR-Methoden umfassend über verschiedene Aufgaben hinweg, indem wir ein einheitliches Benchmark verwenden. Wir analysieren ihre Leistung aus verschiedenen Perspektiven. Schließlich diskutieren wir reale Anwendungen und Herausforderungen im Bereich der FR und schlagen potenzielle Richtungen für zukünftige Fortschritte vor. Das Open-Source-Repository, das mit dieser Arbeit in Zusammenhang steht, ist unter https://github.com/24wenjie-li/Awesome-Face-Restoration zu finden.