面部图像编辑，例如去除皮肤瑕疵和皱纹，是一项广泛使用的任务。如果没有自动化，这是一个困难而费力的过程。虽然研究人员提出了自动去除皱纹的方法，但它们往往缺乏照片写实感，并且不能保持皮肤的特征。
最近在arXiv.org上发表的一篇论文提出了一种通过改进标准管道来完成这项任务的新方法。研究人员使用最先进的图像分割神经网络取代了皱纹检测阶段。这样，结果更加准确和可靠。此外，还提出了一种图像修复网络来保持修改区域中人物皮肤的整体分布。
研究人员还提供了第一个用于皱纹分割的公共数据集，以简化未来关于该主题的工作并提供基线。定性和定量评估表明该方法达到了最先进的结果。
编辑和修饰面部属性是一项复杂的任务，通常需要人类艺术家才能获得逼真的效果。它的应用很多，可以在多种环境中找到，例如化妆品或数字媒体修饰，仅举几例。最近，条件生成建模的进步在以逼真的方式修改面部属性方面显示出惊人的结果。然而，当前的方法仍然容易出现伪影，并且侧重于修改年龄和性别等全局属性，或眼镜或胡须等局部中型属性。在这项工作中，我们重新审视了修饰面部皱纹的两阶段方法，并获得了前所未有的真实感结果。首先，使用最先进的皱纹分割网络来检测面部区域内的皱纹。然后，修复模块用于去除检测到的皱纹，并用统计上与周围皮肤一致的纹理填充它们。为实现这一目标，我们引入了一种新的损失项，该损失项重用皱纹分割网络来惩罚那些在修复后仍然包含皱纹的区域。我们对我们的方法进行了定性和定量评估，展示了去除皱纹任务的最先进结果。此外，我们引入了第一个名为FFHQ-Wrinkles的高分辨率数据集来评估皱纹检测方法。我们对我们的方法进行了定性和定量评估，展示了去除皱纹任务的最先进结果。此外，我们引入了第一个名为FFHQ-Wrinkles的高分辨率数据集来评估皱纹检测方法。我们对我们的方法进行了定性和定量评估，展示了去除皱纹任务的最先进结果。此外，我们引入了第一个名为FFHQ-Wrinkles的高分辨率数据集来评估皱纹检测方法。