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