تعلم شبكات CNN العميقة المتسقة بالتماثل لإكمال الوجه

حققت الشبكات العصبية التلافيفية العميقة (CNNs) نجاحًا كبيرًا في استكمال الوجه لإنتاج بنية وجه معقولة. ومع ذلك، فإن هذه الطرق محدودة في الحفاظ على التجانس العالمي بين مكونات الوجه واستعادة التفاصيل الدقيقة للوجه. من ناحية أخرى، تعتبر التناظر الانعكاسي خاصية بارزة في صور الوجه وتفيد في التعرف على الوجه ونمذجة التجانس، لكنه لم يتم دراسته بعد في استكمال الوجه العميق. في هذا العمل، نستفيد من نوعين من شبكات الفرع التي تفرض التناظر لتكوين نموذج CNN متناسق مع التناظر (أي SymmFCNet) لاستكمال الوجه بكفاءة. بالنسبة للبكسلات المفقودة في نصف واحد فقط من الوجه، تم تطوير شبكة تواءم وإعادة وزن الإضاءة لتساعد في تواءم النصف الآخر من الوجه وإعادة وزن الإضاءة فيه. أما بالنسبة للبكسلات المفقودة في كلا نصفي الوجه، فقد قمنا بتقديم شبكة إعادة بناء إنشائية مع خسارة تناظر حسية لفرض تجانس المستويات المستعاد منها. يتم بناء SymmFCNet عن طريق تجميع شبكة إعادة بناء إنشائية فوق شبكة تواءم وإعادة وزن الإضاءة، ويمكن تعليمها بشكل متتابع من مجموعة تدريب تحتوي على صور وجوه غير محاذاة. أظهرت التجارب أن SymmFCNet يمكنها إنتاج نتائج عالية الجودة على الصور ذات الإغلاق الصناعي والواقعي، وأن أدائها يتفوق بشكل ملحوظ على أفضل الأساليب الحالية.请注意，对于一些不常见的术语，我在括号中添加了原文以确保信息的完整性。例如“SymmFCNet”和“perceptual symmetry loss”。这些术语在阿拉伯语中可能没有统一的翻译，因此保留原文有助于读者理解。