一种用于人脸图像修复的TPDCU-Net算法
徐开丽
张乾
何剑
贵州民族大学,数据科学与信息工程学院,贵阳 550025;贵州省模式识别与智能系统重点实验室,贵阳 550025
摘要：针对目前的算法在细节处理、纹理清晰度以及语义特征连贯性方面存在的问题,提出一种用于人脸图像修复的基于Transformer的U型网络组合部分卷积和空洞卷积模块(Transformer partial convolution and dilated convolution U-shaped network,TPDCU-Net)算法.TPDCU-Net算法将注意力机制中的标准卷积替换为部分卷积,以保留更多可靠信息并降低计算量;同时,在下采样过程中为了减少重要信息的丢失,引入了空洞卷积模块,以改善修复效果.通过在高清人脸(celebfaces attributes high quality,CelebA-HQ)数据集上进行实验,使用峰值信噪比(peak signal-to-noise ratio,PSNR)、结构相似性指数(structural similarity index measure,SSIM)和平均绝对误差(mean absolute error,MAE)指标与现有的图像修复算法进行比较,结果表明当掩码比例最大时TPDCU-Net算法各指标值分别为 23.0493 dB、0.7786、0.0368.该研究证实所提改进算法在人脸图像修复任务中取得了较好的效果.
关键词：图像修复部分卷积Transformer空洞卷积注意力机制U-Net人脸图像
分类号：TP391.41(计算技术、计算机技术)
资助基金：贵州民族大学校级科研项目(GZMUZK(2021)YB23)
论文发表日期：2024-03-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 105-110,150 )
英文信息