题目:Component Attention Guided Face Super-Resolution Network: CAGFace
中文:组件注意导向的人脸超分辨率网络:CAGFace
摘要
- 为了
充分利用人脸的基础结构,通过人脸数据集收集的集体信息以及在上采样过程中的中间估计
,我们在本文中引入了针对4倍超分辨率人脸图像的全卷积多级神经网络。 。我们使用分段网络隐式施加了面部组件注意地图,以使我们的网络专注于面部固有模式。我们网络的每个阶段都由一个主干层,一个残留主干和空间上采样层组成。我们周期性地应用阶段来重构中间图像,然后重用其从空间到深度的转换版本来引导并逐步提高图像质量。我们的实验表明,与最新技术相比,我们的脸部超分辨率方法在数量上和感觉上都令人愉悦。
背景:为了充分利用人脸的基础结构、以及在上采样过程中的中间估计
方法:我们网络的每个阶段都由一个主干层,一个残留主干和空间上采样层组成。我们周期性地应用阶段来重构中间图像,然后重用其从空间到深度的转换版本来引导并逐步提高图像质量
结论:实验表明,与最新技术相比,我们的脸部超分辨率方法在数量上和感觉上都令人愉悦。