![](https://img-blog.csdnimg.cn/20190918140145169.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
人脸超分辨阅读论文 (读书笔记)
文章平均质量分 85
人脸超分辨、深度学习
阿里山菇凉
这个作者很懒,什么都没留下…
展开
-
Wavelet-SRNet: 基于小波的CNN用于多尺度人脸超级分辨率(摘要)
Wavelet-SRNet: 基于小波的CNN用于多尺度人脸超级分辨率(摘要)原创 2022-10-13 19:51:15 · 822 阅读 · 0 评论 -
基于细分上下文模型联合学习的鲁棒人脸图像超分辨率
Robust Face Image Super-Resolution via Joint Learning of Subdivided Contextual Model原创 2022-10-11 22:03:58 · 328 阅读 · 0 评论 -
由三维面部先验指导的面部超级分辨率 (读书笔记)
主要贡献:背景:最先进的(State-of-the-art)面部超分辨率方法采用深度卷积神经网络(deep convolutional neural networks ),通过探索局部外观知识来学习低分辨率和高分辨率面部模式之间的映射。(mapping)痛点:这些方法大多不能很好地利用面部结构和身份信息identity information),并且难以处理表现出巨大姿态变化(large pose variations)的面部图像。解决:我们提出了一种新的面部超分辨率方法,原创 2022-09-03 11:03:09 · 1075 阅读 · 2 评论 -
Attention-FH 通过深度强化学习的注意感知面孔幻觉 (读书笔记)
背景:现有的人脸幻觉方法[通常集中在如何学习从LR图像到HR图像的辨别性斑块-斑块映射。特别是最近通过采用先进的卷积神经网络(CNN)和多个级联CNN取得了很大进展。脸部结构先验和空间配置通常被视为增强脸部/面部部分的外部信息。然而,在幻觉处理过程中,面部各部分之间的上下文依赖关系通常被忽略。根据对人类感知过程的研究,人类从感知整个图像开始,通过注意力转移机制连续探索一连串的区域,而不是单独处理局部区域。(想法的由来)...原创 2022-08-09 22:18:42 · 865 阅读 · 0 评论 -
注意力恢复和地标估计之间的迭代协作实现深度面部超级分辨率(读书笔记)
背景: An end-to-end trained network [5] introduces facial landmark heatmaps and parsing maps 有一些局限性。一方面,他们难以估计准确的先验信息,因为定位和对齐过程应用于低质量且远离最终结果的LR输入图像或粗SR图像。因此,给定不精确的先验,SR的指导可能是错误的。另一方面,大多数方法只是将恢复和先验预测优化为多任务学习问题,并通过简单的级联操作合并先验信息。然而,由于。......原创 2022-08-06 18:10:01 · 796 阅读 · 0 评论 -
MSFSR: 一种通过增强人脸边界精确表示人脸的多级人脸超分辨率算法(读书笔记)
MSFSR: A Multi-Stage Face Super-Resolution with Accurate Facial Representation via Enhanced Facial Boundaries 2020 CVPRMSFSR:一种通过增强人脸边界精确表示人脸的多级人脸超分辨率算法1、摘要 大部分人脸超分辨(Face Super-Resolution (FSR))方法通过使用特殊的脸部先验作为引导,在给定的低分辨率(LR)超级分辨率为高分辨率...原创 2022-06-01 16:34:16 · 1216 阅读 · 1 评论 -
FSRNet:通过人脸先验实现 端到端学习人脸超分辨率(读书笔记)
本文主要提出了一种新颖的深度端到端可训练人脸超分辨率网络(FSRNet),该网络利用人脸地标热图和解析图等几何先验信息,在没有良好排列要求的情况下实现对非常低分辨率(LR)人脸图像的超分辨率,并且还提出了人脸超分辨率生成对抗网络(Face Super-Resolution Generative Adversarial Network, FSRGAN),将对抗损失引入FSRNet。此外,引入了两个相关的任务,人脸对齐和解析,作为人脸SR的新的评估指标,解决了经典指标与视觉感知不一致的问题。......原创 2022-07-14 21:08:52 · 1555 阅读 · 1 评论