Github 4.8k Stars! | CodeFormer: 地表最强AI马赛克去除神器! (附实战教程)

主要观点总结

本文介绍了一种基于计算机视觉技术的人脸恢复方法，通过学习和利用离散码本先验，以降低恢复映射的不确定性和模糊性，生成高质量的人脸。文章还概述了不同先验方法在该问题上的局限性，并介绍了新方法CodeFormer，其包括学习离散码本、引入Transformer模块和可控特征转换模块等。文章最后部分介绍了实验及可视化，并提供了关于计算机视觉研究院的简介。

关键观点总结

关键观点1: 人脸恢复是一个高度不适定的问题，需要辅助指导来改善从退化输入到期望输出的映射，或补充输入中丢失的高质量细节。

本文介绍了一种基于离散码本先验的人脸恢复方法，通过在小proxy空间中学习，降低了恢复映射的不确定性和模糊性。

关键观点2: CodeFormer的提出和应用。

CodeFormer是一种基于Transformer的预测网络，用于对低质量人脸的全局组成和上下文进行建模，以进行代码预测。它还包括一个可控的特征转换模块，允许在保真度和质量之间进行灵活的权衡。

关键观点3: 与现有技术的比较和实验验证。

本文方法优于现有技术，表现出对退化的超强鲁棒性。在合成和真实世界数据集上的大量实验结果验证该方法的有效性。

关键观点4: 计算机视觉研究院的简介。

计算机视觉研究院主要涉及深度学习领域，致力于目标检测、目标跟踪、图像分割等研究方向。研究院还分享最新的论文算法新框架，提供论文一键下载，并分享实战项目。

文章预览

点击蓝字 关注我们 关注并星标 从此不迷路 计算机视觉研究院 公众号ID ｜ 计算机视觉研究院 学习群 ｜ 扫码在主页获取加入方式 项目地址： https://shangchenzhou.com/projects/CodeFormer/#method 先来一组效果图： 转换前： 转换后：   计算机视觉研究院专栏 Column of Computer Vision Institute 模糊的脸恢复是一个高度不适定的问题，通常需要辅助指导来：1）改进从退化输入到期望输出的映射，或者2）补充输入中丢失的高质量细节。 PART/ 1       概述      模糊的脸恢复是一个高度不适定的问题，通常需要辅助指导来：1）改进从退化输入到期望输出的映射，或者2）补充输入中丢失的高质量细节。在今天分享中，我们证明了在小proxy空间中学习的离散码本先验通过将人脸盲恢复作为代码预测任务，大大降低了恢复映射的不确定性和模糊性，同时为生成高质量人脸提供 ………………………………