摘要

盲脸修复通常依赖于面部先验，如面部几何先验或参考先验，以恢复真实且忠实的细节。然而，非常低质量的输入无法提供准确的几何先验，而高质量的参考图像又难以获取，这限制了其在实际场景中的应用。在这项工作中，我们提出了一种利用预训练人脸生成对抗网络（GAN）中包含的丰富多样的先验进行盲脸修复的方法——GFP-GAN。该生成性面部先验（Generative Facial Prior, GFP）通过新颖的通道分割空间特征变换层被整合到人脸修复过程中，使我们的方法能够在真实性和保真度之间取得良好的平衡。得益于强大的生成性面部先验和精细的设计，我们的GFP-GAN能够在单次前向传播中同时恢复面部细节并增强颜色，而基于GAN反演的方法则需要在推理时进行昂贵的图像特定优化。大量实验表明，我们的方法在合成数据集和真实世界数据集上均优于现有技术。