หลักสูตร/ปี พ.ศ. วิศวกรรมศาสตรบัณฑิต สาขาวิชาวิศวกรรมคอมพิวเตอร์ ปี พ.ศ. 2569
ภาคและปีการศึกษาที่สำเร็จการศึกษา ภาคปลาย ปีการศึกษา 2568
ประเภทโครงงาน
โครงงานวิศวกรรม
ชื่อโครงงานภาษาไทย
ขั้นตอนวิธีการลบแว่นตาออกจากภาพใบหน้าโดยอัตโนมัติ
ชื่อโครงงานภาษาอังกฤษ
The Algorithm for Automatic Eyeglasses Removal from Face Images
ผู้พัฒนา
6510503417 ธนภัทร จำเริญ
อาจารย์ที่ปรึกษาหลัก
กิตติพล โหราพงศ์
อาจารย์ที่ปรึกษาร่วม
-
บทคัดย่อ
โครงงานนี้นำเสนอขั้นตอนวิธีการลบแว่นตาออกจากภาพใบหน้าโดยอัตโนมัติ เพื่อฟื้นฟูและปรับปรุงทัศนวิสัยบริเวณดวงตาที่ถูกบดบังจากกรอบแว่นตาและแสงสะท้อนบนเลนส์แว่นตา โดยมุ่งเน้นการสังเคราะห์ภาพใหม่ให้มีความสวยงามและสมจริง งานวิจัยนี้ประยุกต์ใช้โครงข่าย GAN โดยออกแบบข้อมูลนำเข้าแบบ 5 ช่องสัญญาณ (5-Channel Input) ประกอบด้วยภาพบริเวณใบหน้าแบบ RGB, หน้ากากแว่นตา (Mask) และจุดอ้างอิงรอบดวงตา (Eye Landmarks) นอกจากนี้ยังมีการใช้ Local Discriminator เพื่อเพิ่มความคมชัดบริเวณดวงตา ผลการทดลองพบว่าแบบจำลองสามารถสร้างภาพที่สวยงามและกลมกลืนกับผิวเดิม โดยให้ค่าประเมินความสมจริง (FID Score) ที่ 16.10 จากการทดสอบบนชุดข้อมูลสังเคราะห์ (FFHQ) จำนวน 300 ภาพ ในด้านประสิทธิภาพการจดจำใบหน้า ได้ทำการทดสอบบนชุดข้อมูลภาพถ่ายจริง (MeGlass) จำนวน 2,000 คู่ภาพ โดยกำหนดค่าอัตราการยอมรับผิด (FMR) ไว้คงที่ที่ร้อยละ 1 พบว่าเมื่อนำภาพทดสอบ (Probe) 2 กลุ่ม ได้แก่ ภาพหน้าสดต้นฉบับ และ ภาพที่ผ่านการลบแว่นตาด้วยแบบจำลอง ไปเปรียบเทียบกับภาพอ้างอิงหน้าสด (Gallery) จะมีอัตราการปฏิเสธผิด (FNMR) อยู่ที่ร้อยละ 7.02 และ 24.56 ตามลำดับ ผลลัพธ์นี้พิสูจน์ให้เห็นว่าแม้กระบวนการสังเคราะห์พิกเซลใหม่จะมีข้อจำกัดในการเปลี่ยนแปลงรายละเอียดเชิงลึกทางชีวมิติ แต่ขั้นตอนวิธีที่นำเสนอสามารถจัดการกับปัญหาการบดบังทางทัศนวิสัยและฟื้นฟูโครงสร้างใบหน้าได้อย่างยอดเยี่ยม
Abstract
This project presents an automatic algorithm for eyeglasses removal from face images to restore and improve visibility in the eye region occluded by normal eyeglass frames and lens glare, focusing on synthesizing visually pleasing and realistic images. This research applies Generative Adversarial Networks (GANs) using a 5-channel input comprising RGB images, an eyeglasses mask, and eye landmarks. Furthermore, a local discriminator is utilized to enhance sharpness around the eyes. Experimental results demonstrate that the model generates aesthetically pleasing and seamless images, achieving a Fréchet Inception Distance (FID) score of 16.10 on 300 images from the FFHQ synthetic dataset. Regarding face recognition performance, testing was conducted on 2,000 image pairs from the MeGlass real-world dataset at a fixed False Match Rate (FMR) of 1%. The results revealed that when comparing the real glasses-free images and the model-synthesized glasses-removed images (Probes) against the reference glasses-free images (Gallery), the False Non-Match Rates (FNMR) were 7.02% and 24.56%, respectively. This demonstrates that although the pixel synthesis process inevitably modifies micro-biometric details, the proposed algorithm excellently manages visual occlusions and effectively restores the facial structure.
คำสำคัญ (Keywords)
Eyeglasses removal, Generative adversarial networks, Image inpainting, Computer vision, Face recognition
เว็บไซต์โครงงาน
-
วีดีโอคลิปของโครงงาน
-
ที่เก็บเวอร์ชันซอร์สโค้ด
https://github.com/Tanapat-CR/Eyeglasses-Removal-GAN.git
ผู้นำเข้าข้อมูลครั้งแรก
ธนภัทร
จำเริญ
(b6510503417)
แก้ไขครั้งสุดท้าย
เมื่อ March 17, 2026, 11:50 p.m. โดย
ธนภัทร
จำเริญ
(b6510503417)
สถานะการอนุมัติ
รออนุมัติ