题目:PCA-SRGAN: Incremental Orthogonal Projection Discrimination for FaceSuper-resolution
中文:PCA-SRGAN:用于人脸超分辨率的增量正交投影识别
摘要
- 生成对抗网络(GAN)已被用于面部超分辨率,
但它们容易扭曲扭曲的面部细节,并且在恢复逼真的纹理方面仍然存在不足
。为了进一步提高基于GAN的超分辨人脸图像模型的性能,提出了PCA-SRGAN,它关注人脸数据的PCA投影矩阵在正交投影空间中的累积区分
。通过将从结构到细节的主成分投影输入到判别器中,将大大消除辨别难度,并且可以增强生成器来重建更清晰的轮廓和更细的纹理,有助于实现高感知度和低感知度
。最终变形。这种递增的正交投影判别保证了从粗到细的精确优化过程,并且避免了对感知正则化的依赖。我们对CelebA和FFHQ人脸数据集进行了实验。定性视觉效果和定量评估证明了我们的模型在相关作品上的压倒性表现。
背景:生成对抗网络(GAN)容易扭曲扭曲的面部细节,并且在恢复逼真的纹理方面仍然存在不足。
方法:提出了PCA-SRGAN,通过将从结构到细节的主成分投影输入到判别器中,将大大消除辨别难度,并且可以增强生成器来重建更清晰的轮廓和更细的纹理,有助于实现高感知度和低感知度
结论:定性视觉效果和定量评估证明了我们的模型在相关作品上的