计算机辅助设计与图形学学报

作者：徐崇润, 刘利刚

关键词：深度学习, 人脸图像, 去模糊, 三维重建, 联合优化

为了解决在模糊人脸图像的去模糊任务和人脸三维重建任务存在的信息缺失导致的效果不佳的问题, 提出一种对模糊人脸图像去模糊和三维重建任务进行联合优化的方法. 对于输入的模糊人脸图像, 交替重复执行以下步骤 3次:首先, 对人脸图像进行三维重建, 生成三维人脸模型;然后, 使用 Res-UNet对人脸图像进行去模糊;并以三维重建所得信息作为辅助输入, 以原始模糊图像作为校正输入, 生成消除模糊的图像. 在 AFLW数据集的清晰人脸图像, 以及约 20 000幅 Giacomo Boracchi采集的模糊核合成模糊人脸图像组成的数据集上, 分别以去模糊图像和人脸三维模型再渲染的图像对输入图像计算峰值信噪比(peak signal-to-noise ratio, PSNR)和结构相似度(structural similarity, SSIM), 以衡量去模糊和三维重建任务效果. 对比实验结果表明, 在测试集上的去模糊任务中, 相比3DFaceDeblur方法, 该方法的平均 PSNR从 27. 38 dB提升到 29. 23 dB, 平均 SSIM从 0. 833提升到 0. 855;在三维重建任务中, 相比 Deep3DFace方法, 该方法的平均 PSNR从 22. 78 dB提升到 27. 16 dB, 平均 SSIM从 0. 848提升到 0. 918.

来源：2025年第4期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2025年第4期