西安网站建设培训中心,如何做网站销售,宽屏网站宽度,seo快速排名codeFormer
原始动机
高度不确定性#xff0c;模糊到高清#xff0c;存在一对多的映射纹理细节丢失人脸身份信息丢失
模型实现 训练VQGAN 从而得到HQ码本空间作为本文的离散人脸先验。为了降低LQ-HQ映射之间的不确定性#xff0c;我们设计尽量小的码本空间和尽量短的Code…codeFormer
原始动机
高度不确定性模糊到高清存在一对多的映射纹理细节丢失人脸身份信息丢失
模型实现 训练VQGAN 从而得到HQ码本空间作为本文的离散人脸先验。为了降低LQ-HQ映射之间的不确定性我们设计尽量小的码本空间和尽量短的Code序列作为人脸的离散表达。因此我们采用了大的压缩比 (32倍)即将原来的人脸图片压缩为的离散Code序列。该设计使得码本中Code具有更丰富的上下文信息有助于提升网络表达能力以及鲁棒性。嵌入Transformer模块对特征全局建模以达成更好的Code序列预测。该阶段固定Decoder和Codebook只需学习Transformer模块并微调Encoder。将原本的复原任务转变为离散Code序列预测任务改变了复原任务的固有范式这也是本文的主要贡献之一。引入权重控制平衡图片质量与真实还原。当调小模型输出质量更高当调大模型输出能保持更好的身份一致性。
