论文笔记003:[TIP2019] SiGAN:Siamese Generative Adversarial Network for Identity-Preserving Face Hallucin

摘要
现有的生成对抗网络可以从低分辨率的人脸生成高分辨的人脸，但是不能对高分辨率的人脸做一个识别。为了解决这个问题，作者提出了SIGAN：第一能够从低分辨的人脸中生成高分辨的人脸，第二是修复后的人脸能做身份识别。

主要贡献：

1.提出的SIGAN能够生成高分辨率的人脸和身份标识信息

2.weak binary成对标签的提出：成对的人脸是属于同一个人还是不属于同一个人，用于身份标签信息识别。不需要全部标注信息，减少了工作量，主要是在constractive loss上发挥作用。

方法

1.GAN：两个生成器，学习训练集groundtruth的特征，使它生成的图像接近训练集groundtruth的高分辨率

2.三个loss：GAN loss，contrastive loss，Reconstruction loss

1）GAN loss：生成和鉴别器的损失