本文提出了一种两阶段的幻觉方法——LCGE，用于通过分量生成和增强学习使人脸图像超分辨率。首先，通过CNN生成基本面部结构的组件，然后从高分辨率训练图像中合成并增强细粒度面部细节。实验表明，这种方法相对于现有技术表现出色。
题目：Learning to hallucinate face images via Component Generation and Enhancement
中文：通过分量生成和增强学习使人脸图像幻觉
摘要：
- 我们提出了一种两阶段的幻觉方法。首先，我们
使用CNN生成输入图像的面部分量。这些成分代表了基本的面部结构。其次，我们从高分辨率的训练图像中合成出细粒度的面部结构。这些结构的细节被转移到面部成分中进行增强。因此，我们在第一阶段生成面部成分以近似地面真相的整体外观，并在第二阶段通过恢复细节来增强它们。实验表明，我们的方法相对于最新方法表现良好。
背景：
方法：在第一阶段生成面部成分以近似地面真相的整体外观，并在第二阶段通过恢复细节来增强它们
结论：我们的方法相对于最新方法表现良好。
1、 引言
介绍人脸超分辨
- 人脸幻觉（FH）是一个特定领域的问题，它会通过低分辨率（LR）输入生成高分辨率（HR）人脸图像。与普通的图像超分辨率（SR）方法不同
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
