模型|MDFR :基于人脸图像复原和人脸转正联合模型的人脸识别方法( 三 )

作者首先探索了不同的网络结构和损失函数的组合来观察FFN-S和FRN-TI相应部分对人脸生成的影响,实验结果如图3所示。
图3. 消融实验在Multi-PIE数据库上的对比结果。
同时,表1展示了 MDFR 的不同变异体对不同姿态人脸的 rank-1 识别率。在所有的实验模型中,FFN-S 和 FRN-TI 均获得了最好的精度。


图4. 不同方法在多重低质量因素影响下的人脸复原效果
作者在多重低质量因素影响的人脸图像上进行相应的验证,包括低分辨率、不良光照、噪声以及模糊。实验表明,文章提到的方法不仅可以充分应对多种低质量因子,而且都可以生成相应的高质量人脸图像。图4展示了不同方法在多重低质量因素影响下的人脸复原效果。可以看出不同于之前只能处理单一的任务的方法,文中所提出的方法既可以对人脸进行转正也可以进行高质量复原,且取得了最好的视觉效果。
- One|基于Android 13打造:三星Galaxy S22抢先用上One UI 5.0
- 从几个月到几分钟,NLP模型运行效率暴涨,小公司也能玩大模型
- 腾讯文档|从事展览3d模型设计,你需要具备那些能力?---模大狮网
- 英伟达|NVIDIA Triton 推理引擎公开课上新:基于多实例 GPU 和 K8s 的大规模 CV 模型部署实践
- 肠道菌群|肠道菌群又有新“用途”:建立非酒精性脂肪肝发病预警模型
- 苹果|澳大利亚成功制造了可控光流组件,基于光的通信设施将迎来革新
- aiXcoder XL智能编程大模型发布:自然语言一键生成方法级代码
- 致远互联|跨时空协作的利器——基于生命周期管理的基础设施BIM平台
- AI自己写代码让智能体进化!OpenAI的大模型有“人类思想”那味了
- 基于深度学习的点云分割网络及点云分割数据集
