题目:Deep Face Super-Resolution with Iterative Collaboration between AttentiveRecovery and Landmark Estimation
中文:Deep Face超分辨率,在Attention Recovery和Landmark估计之间进行迭代协作
摘要
可参考的创新点就是地标估计以及注意力融合模块加强指导先验信息
- 基于深度学习和面部先验的最新作品成功地解决了严重退化的面部图像。但是,现有技术无法充分利用现有方法,因为
诸如地标和成分图之类的面部先验总是通过低分辨率或粗糙的超分辨图像来估计的,这可能不准确,从而影响了恢复性能
。本文提出了一种在两个递归网络之间进行迭代协作的深脸超分辨率(FSR)方法,该方法分别专注于面部图像恢复和地标估计。在每个循环步骤中,恢复分支机构利用地标的先验知识来获得更高质量的图像,从而有助于依次进行更准确的地标估计。因此,两个过程之间的迭代信息交互会逐步提高彼此的性能。此外,设计了一种新的注意融合模块以加强地标地图的指
导,该地图可以单独生成面部成分并进行集中聚集以实现更好的修复效果。定量和定性实验结果表明,该建议方法明显优于最新的FSR恢复高质量人脸图像的方法。
背景:现有技术无法充分利用深度学习和先验知识进行人脸超分辨
方法:提出在两个递归网络之间进行迭代协作的深脸超分辨率(FSR)方法,该方法分别专注于面部图像恢复和地标估计。两个过程之间的迭代信息交互会逐步提高彼此的性能。
结论:定量和定性实验结果表明,该建议方法明显优于最新的FSR恢复高质量人脸图像的方法。
引言
人脸超分辨服务于人脸识别等面部分析
- 近年来,人脸超分辨率(FSR),也称为人脸幻觉,引起了计算机视觉界的广泛关注。 FSR旨在从低分辨率(LR)对口恢复高分辨率(HR)人脸图像,这在许多应用中都起着重要作用,此外,包括FSR带来的质量改善在内的面部分析技术(包括面部识别和面部对齐)也可以从中受益匪浅。
人脸超分辨是一种特殊的超分辨领域,可以利用人脸的独特的先验信息。
正式由于先验信息,所以在更大的放大因子情况下,人脸超分辨比起通用图像超分辨效果更好。
- FSR是单图像超分辨率(SISR)任务的一种特例[28,29