计算机应用研究

作者：刘颖,佘建初,公衍超,卢津,王富平,林庆帆,李莹华,

单位：1.电子信息现场勘验应用技术公安部重点实验室,西安710121；2.陕西省无线通信与信息处理技术国际合作研究中心,西安710121；3.西安邮电大学图像与信息处理研究所,西安710121；4.新加坡SiliconVision有限公司,新加坡787820；

关键词：面部图像修复,深度学习,生成对抗网络,卷积神经网络,

基金：国家自然科学基金资助项目(61801381)；陕西省国际合作交流项目(2018KW-003)；；

传统图像修复算法在修复区域涉及复杂非重复结构（如面部）时，不能准确捕捉到高级语义。近三年来基于深度学习的方法被应用于图像修复中，其修复结果的结构相似性较传统方法提高了10%以上。首先阐述了面部修复技术的研究发展历程，主要介绍了基于深度学习的面部修复算法，将其分为无监督和有监督两大类方法，在每一类中重点对近年来涌现的各种面部修复算法进行分析和总结；然后归纳了当前主流的六类图像数据集，以及算法性能评价指标；最后讨论了面部修复技术的未来研究方向。

来源：2021年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第1期