近日，由我校金沙集团186cc人工智能团队李孝杰副教授、吴锡教授与学院校外导师Keya西雅图研究院王昕博士联合开展的人脸补全研究取得的成果“高质量人脸补全的域自编码生成对抗网络”（DE-GAN: Domain Embedded GAN for High Quality Face Image Inpainting），被模式识别领域Top期刊Pattern Recognition (中科院一区，IF=7.74)收录，研究生张宪和王昕博士为共同一作，李孝杰副教授和吴锡教授为共同通讯作者，金沙集团186cc为第一署名单位。

该研究成果提出了一种通过预测人脸的结构、内容和轮廓信息并加以融合成域信息以完成人脸补全的DE-GAN方法。该方法借用VAE使人脸的结构信息为主导信息，解决了现有人脸补全技术出现的生成人脸结构扭曲、人脸不对称的问题，该方法生成的人脸图像更加自然和谐，超越了当前该领域的SOTA方法，具有较优异的补全结果。

DE-GAN的网络结构图

文章信息：Xian Zhang*, Xin Wang*, Canghong Shi, Zhe Yan, Xiaojie Li**, Bin Kong, Siwei Lyu, Bin Zhu, Jiancheng Lv, Youbing Yin, Qi Song, Xi Wu**, Imran Mumtaz. DE-GAN: Domain Embedded GAN for High Quality Face Image Inpainting[J]. Pattern Recognition, 2021: 108415.

* Co-first authors

** Corresponding authors