基于对抗训练和卷积神经网络的面部图像修复
【摘要】 为了有效地修复大面积破损的面部图像，使用了解码器-编码器结构的卷积神经网络作为生成模型，并在其部分层之间增加skip-connection，以增强生成模型的结构信息预测能力，同时引入对抗训练策略优化生成模型。该模型首先训练一个判别模型识别真实图像，再利用其判别待修复图像输入生成模型后所得到的输出是否为真实，以此为生成模型提供优化梯度。结合了卷积神经网络的结构信息预测能力和GANs对抗策略的优化能力，提高了图像补全的效果。在CelebA人脸数据集上进行的实验结果表明，该方法在补全大面积破损的图像任务上性能明显优于其他方法。
