RBPNET论文阅读笔记

最新推荐文章于 2022-10-08 13:39:14 发布

只会写bug的菜鸡

最新推荐文章于 2022-10-08 13:39:14 发布

阅读量159

点赞数

分类专栏：论文阅读人脸超分辨

本文链接：https://blog.csdn.net/mzj15101229871/article/details/113247621

版权

本文提出了一种渐近残差反投影网络（RBPNet），用于解决非常低分辨率人脸图像的超分辨率问题。RBPNet通过多步残差学习逐步重构高分辨率人脸图像，有效地减少了超分辨率过程中的失真。实验表明，RBPNet在定性和定量评估中均表现出优越的性能。

摘要由CSDN通过智能技术生成

在这里插入图片描述

低分辨率人脸图像的超分辨率是单图像超分辨率中的一项挑战性任务。大多数深度学习方法都是通过一步上采样来学习输入到目标空间的非线性映射。这些方法**【缺点】难以从单个非常低分辨率的面部图像重建高分辨率的面部图像。在本文中，我们提出了一种渐近残差反投影网络（RBPNet）**，以通过多步残差学习逐步学习重构的面部图像和地面真实情况之间的残差。首先，将重构的高分辨率特征图投影到原始的低分辨率特征空间以生成低分辨率特征图（投影的低分辨率特征图）。其次，将投影的低分辨率特征图减去原始特征图，以生成低分辨率残差特征图。最后，将低分辨率残差特征图映射到高分辨率特征空间。通过迭代残差学习，网络将获得更准确的高分辨率图像。同时，我们明确地重建了人脸图像的边缘图，并将其嵌入到高分辨率人脸图像的重建中，以减少超分辨率结果的失真。大量实验定性和定量地证明了我们提出的RBPNet的有效性和优势。

背景：大多数深度学习方法难以从单个非常低分辨率的面部图像重建高分辨率的面

关注

专栏目录