对抗净化与微调方法用于鲁棒的 UDC 图像恢复
原文中文，约400字，阅读约需1分钟。发表于：。本研究探讨了增强屏下相机（UDC）图像恢复模型在对抗攻击下的鲁棒性，通过深度学习方法的评估和采用防御框架，包括扩散式对抗净化和进一步的微调，有效提高了图片恢复模型的弹性。
提供了一种名为Under-Display Camera (UDC)的技术，通过将前置摄像头隐藏在显示面板下，实现了全屏体验。然而，UDC的图像质量明显下降。提出了一种名为UDC-DMNet的双阶段网络，通过建模UDC成像过程来合成UDC图像。使用UDC-DMNet和来自FFHQ和CelebA-Test的高质量人脸图像创建了训练和测试数据集。引入了一种名为DGFormer的新型字典引导转换网络，用于处理UDC场景中的盲目人脸修复。实验结果表明，DGFormer和UDC-DMNet实现了最先进的性能。
