شبكة GAN المضمنة مسبقًا لاستعادة الوجوه غير الواضحة في البيئة الطبيعية

إعادة الوجوه المخفية (BFR) من صور الوجوه المتدهورة بشدة في البيئة الطبيعية هي مشكلة شديدة الصعوبة. نظرًا لشدة تعقيد المشكلة والتهالك المعقد والمجهول، فإن التدريب المباشر لشبكة عصبية عميقة (DNN) غالبًا ما لا يؤدي إلى نتائج مقبولة. يمكن للطرق الحالية المستندة إلى شبكات المواجهة التوليدية (GAN) أن تنتج نتائج أفضل ولكنها تميل إلى إنتاج استعادة مفرطة في النعومة. في هذا العمل، نقترح طريقة جديدة تتضمن أولاً تعلم GAN لإعادة إنتاج صور وجوه عالية الجودة ودمجها في شبكة DNN على شكل حرف U كمفكك أولي، ثم ضبط هذه الشبكة الدموغراطية التي تحتوي على GAN الأولي باستخدام مجموعة من صور الوجوه ذات الجودة المنخفضة المصنعة. تم تصميم كتل GAN لضمان أن يتم توليد الرمز الكامن والمدخلات الضوضائية لـ GAN بشكل منفصل من الخصائص العميقة والسطحية لـ DNN، مما يتحكم في بنية الوجه العامة، تفاصيل الوجه المحلية وخلفية الصورة المعاد بناؤها.网络 (GPEN) 所提议的方法易于实现，并且可以生成视觉上逼真的结果。我们的实验表明，所提出的 GPEN 在定量和定性方面均显著优于最先进的 BFR 方法，特别是在恢复野外严重退化的面部图像方面。源代码和模型可以在 https://github.com/yangxy/GPEN 找到。为了更符合阿拉伯语的表达习惯，我将对最后一段进行微调：الطريقة المقترحة التي تعتمد على دمج GAN الأولي في الشبكة (GPEN) سهلة التنفيذ ويمكنها إنتاج نتائج واقعية بصرياً. أظهرت التجارب أن الطريقة المقترحة GPEN تتفوق بشكل كبير على أفضل الأساليب الحالية في BFR من حيث النتائج الكمية والنوعية، خاصة عند استعادة صور الوجوه المتدهورة بشدة في البيئة الطبيعية. يمكن العثور على البرامج الأصلية والنموذج في https://github.com/yangxy/GPEN.