摘要
从野外严重退化的面部图像中进行盲面恢复（BFR）是一个极具挑战性的问题。由于问题的高度病态性和复杂的未知退化，直接训练深度神经网络（DNN）通常无法获得令人满意的结果。现有的基于生成对抗网络（GAN）的方法可以产生更好的结果，但往往生成过度平滑的恢复图像。在本研究中，我们提出了一种新方法，首先学习一个用于高质量面部图像生成的GAN，并将其嵌入到U形DNN中作为先验解码器，然后使用一组合成的低质量面部图像对嵌入了GAN先验的DNN进行微调。设计的GAN模块确保了输入到GAN中的潜在代码和噪声分别由DNN的深层和浅层特征生成，从而控制重建图像的整体面部结构、局部面部细节和背景。所提出的嵌入GAN先验的网络（GPEN）易于实现，并能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，特别是在处理野外严重退化的面部图像时。源代码和模型可在https://github.com/yangxy/GPEN获取。