随着数据获取手段的多样化发展，多域视觉数据近年来在计算机视觉研究与应用中开始发挥越来越重要的作用，为图像增强和生成提供了新的发展机遇，如体现在风格迁移、音频驱动的3D面部动画、图像翻译等各种应用场景中。引导图像的增强与生成，旨在利用引导图像更好地提升输入图像的视觉质量和达到预期的编辑及生成效果。Gu等利用加权解析系数表示对彩色图与深度图的关联关系进行建模，并利用任务驱动学习策略以实现动态引导。有人提出了一种基于形变引导图的人脸图像盲复原模型：GFRNet（Guided Face Restoration Network）。该方法基于高清人脸图像的引导，克服了因图像退化造成的身份特征和纹理细节下降，退化类型和退化参数未知导致的真实低质量图像复原困难，以及通用人脸复原方法无法保证的复原人脸图像与退化图像的身份一致性等问题。
此文由 怡心湖 编辑，若您觉得有益，欢迎分享转发！：首页 > 常识论 » 多域数据用于的图像编辑技术之探讨