FSRGFCH论文阅读笔记

题目：Face Super-resolution Guided byFacial Component Heatmaps

中文：脸部组件热图指导的脸部超分辨率

摘要

• 最新的人脸超分辨率方法利用深度卷积神经网络通过探索局部外观信息来学习低分辨率（LR）面部模式与其对应的高分辨率（HR）对手之间的映射。但是，大多数这些方法都不能解决面部结构，【缺点】并且由于姿势变化大和对齐不当而遭受失真。在本文中，我们提出了一种使用多任务卷积神经网络（CNN）将人脸的结构信息显式地纳入人脸超分辨率过程的方法。我们的CNN有两个分支：一个分支用于超分辨人脸图像，另一个分支用于预测人脸共面部分量热图的显着区域。这些热图鼓励上采样流生成具有更高质量细节的超分辨率人脸。我们的方法不仅使用低级信息（即强度相似度），还使用中级信息（即面部结构）从LR输入图像中进一步探索面部分量的空间约束。因此，我们能够在保留人脸结构的同时，以8倍的大比例缩放超高分辨率的未对齐人脸图像（16×16像素）。广泛的实验表明我们的网络实现了出色的面部幻觉效果，并且性能优于最新技术。关键词：面部，超分辨