![63db6f15898629088420d66a219cd938.png](https://i-blog.csdnimg.cn/blog_migrate/eca278222cd6f6d3344f8c48033065f3.jpeg)
从嘈杂的、损坏的图像中重建人脸
本文展示了一种在不使用任何监督的情况下从损坏的图像中恢复正常图像的方法。例如,你有很多用相机拍摄的图像,但是在拍摄时镜头有一些脏点或者移动模糊,而且你的图像已经有所损坏了。这样子就可以使用对抗性图像重建来获得想要的图像,没有任何清晰的图像原型供算法使用。本文中涉及的数学的内容,它将帮助您更好地理解该过程。
公式
我们假设存在对所观察到的数据的潜在概率分布:
![8a15a59bc6dd70a86c827747a23b1af5.png](https://i-blog.csdnimg.cn/blog_migrate/348c9c87427b4df5c23726477beaadc0.jpeg)
其中Y是表示损坏图像的随机变量,X表示我们希望恢复的正确图像。
假设有一个映射F:X → Y,由θ参数化,根据参数θ破坏图像。
![c5f5a0387af42684aefa4320e0fb73ea.png](https://i-blog.csdnimg.cn/blog_migrate/3a33eabc85b2399a4b266ef43543e11f.jpeg)
可能代表导致损坏的因素,比如我们例子中的相机镜头上的灰尘。
![ec9c1299add16a3bb802c2ae5874eb99.png](https://i-blog.csdnimg.cn/blog_migrate/056bc575f595853efbbf49ae48bcfbdd.jpeg)
然后
![ec5c3d400e8355c9e57a70023183ef2a.png](https://i-blog.csdnimg.cn/blog_migrate/d4bb68cc8d178c40aa5db1a970af290e.jpeg)
用于包含附加噪声。
![f5dc2d81925f1ce70dc7a1aa635b6e05.png](https://i-blog.csdnimg.cn/blog_migrate/eeedcf2600d08d7c2652ddedc0cdd64e.jpeg)
公式1
如果F是已知线性X和θ,则公式1和线性回归中的一样。
我们也可以认为θ独立于x图像的失真是独立的外部影响。
因此,通过独立性假设得到
![](https://i-blog.csdnimg.cn/blog_migrate/c732d2d24c9894349da38f9ebe9b75ec.jpeg)