Las redes de aprendizaje profundo para la restauración de imágenes faciales presentan problemas de información semántica facial irracional y contornos faciales descoordinados después de la restauración. Se propone una red de restauración de imágenes faciales guiada por la información estructural facial. Primero, se construyó una red de generación de bocetos de estructura facial utilizando una red codificador-decodificador, incorporando conexiones de salto y bloques residuales con convoluciones dilatadas en el generador para generar el boceto estructural de la área a restaurar. En segundo lugar, al construir la red de restauración facial, se introdujo un mecanismo de atención en el generador para que la red se concentre más en la región a restaurar y utilice el boceto estructural facial generado como guía para lograr una restauración vívida de la estructura semántica facial y la información de textura en la imagen. Finalmente, se introdujo una pérdida de coincidencia de características en la función de pérdida de la red de generación de bocetos para entrenar el modelo, restringiendo al generador a producir resultados más similares al boceto estructural real; en la función de pérdida de la red de restauración se combinan la pérdida perceptual y la pérdida de estilo para entrenar el modelo para reconstruir mejor la estructura del contorno facial y la textura de color en la región a restaurar, haciendo que la imagen restaurada se acerque más a la imagen real. Los resultados de los experimentos comparativos muestran que el rendimiento de la restauración del modelo de red diseñado en este documento mejora considerablemente en el conjunto de datos de imágenes faciales.

restauración facial;codificador-decodificador;convolución dilatada;conexiones de salto;mecanismo de atención