CVPR 2021 | GAN人脸预训练模型，让五官复原效果惊艳！-技术圈

人脸复原 (Face Restoration) 是指从低质量的人脸中复原得到高清的人脸。真实世界中的人脸复原是一个很有挑战的任务，因为降质 (degradation) 过程复杂且不尽相同。国内某 PCG 应用研究中心 (ARC) 的研究者们提出了利用预先训练好的人脸生成模型提供的先验，来指导人脸复原的任务。

真实世界的人脸复原是一个盲问题，即我们不清楚降质过程，在实际应用中，同时也面临着各种各样降质过程的挑战。对于人脸这个特定的任务，之前的工作往往会探索人脸特定的先验，并且取得了较好的效果。常见的人脸先验有两类：

几何人脸先验, 比如人脸关键点、人脸分割图、人脸热力图。然而从低质量的图片中很难取得比较准确的几何信息。此外，它们很难提供纹理方面的信息。

参考图，即从数据库中取得相同或者相似的人脸作为参考 (Reference) 来复原。但是这样的高质量的参考图在实际中很难获取。ECCV20 提出的 DFDNet 工作进一步构建了一个人脸五官的字典来作为参考，它可以取得更好的效果，但是会受限于字典的容量，而且只考虑了五官，没有考虑整个脸。

与此同时，生成对抗网络 GAN 的蓬勃发展，特别是 StyleGAN2 能够生成足够以假乱真的人脸图像给研究者们提供了一个思路：是否可以利用包含在人脸生成模型里面的「知识」来帮助人脸复原呢？

论文地址：arxiv.org/abs/2101.0406

研究核心利用了包含在训练好的人脸生成模型里的「知识」, 被称之为生成人脸先验 (Generative Facial Prior, GFP)。它不仅包含了丰富的五官细节, 还有人脸颜色, 此外它能够把人脸当作一个整体来对待, 能够处理头发、耳朵、面部轮廓。基于预训练好的生成模型, 研究者们提出了利用生成人脸先验 GFP 的人脸复原模型 GFP-GAN。先来看看它做到的效果：

相比于近几年其他人脸复原的工作，GFP-GAN 不仅在五官恢复上取得了更好的细节，整体也更加自然，同时也能够对颜色有一定的增强作用。

研究方法

首先来看 StyleGAN2 生成模型，它从一个可学习的常数向量开始，不断地提高分辨率。其中的 latent code 向量用来调制 (Modulate) 各个卷积层的权重，最后生成真实且多样的人脸。

GFPGAN

下图是该研究的主要框架，输入一张低质量的人脸，首先经过 UNet 结构，在这里有复原 loss 的 L1 约束 (灰色箭头)，用以粗略地去除 degradations，比如噪声、模糊、JPEG 等。同时更重要的是，得到提取的 latent 特征向量 (绿色箭头) 和空间特征 (黄色箭头)。

在人脸复原中，与其他工作不同，仅仅通过调制 StyleGAN 的 latent codes，因为没有考虑局部的空间信息会极大影响人脸的 identity。因此也要利用空间的特征来调制 StyleGAN 里面的特征。

GFP-GAN 基于现有的高效的空间特征变换 (Spatial Feature Transform，SFT) 层来达到这个目的。它能够根据输入的条件(这里是提取的低质量的图像特征)，生成乘性特征和加性特征，对 StyleGAN 的特征做仿射变换。为了进一步平衡输入图像的信息和 StyleGAN 中的信息，GFP-GAN 进一步将通道拆分为两部分，一部分用来调制，一部分直接跳跃过去。这样的调制会在由小到大的每个空间尺度上进行，提高调制的效果。