一种用于超分辨率重建不同低分辨率人脸图像的统一框架
计算机视觉与模式识别
2023-06-07 v1
摘要
现有人脸图像超分辨率(FSR)算法通常针对特定低输入分辨率训练特定模型以获得最优结果。相比之下,我们在本工作中探索一种统一框架,该框架仅训练一次,随后可用于超分辨率重建不同低分辨率的输入人脸图像。为此,我们提出了一种新颖的神经网络架构,其由三个锚点自编码器、一个特征权重回归器和一个最终图像解码器组成。这三个锚点自编码器分别针对三个预定义的低输入分辨率(或称锚点分辨率)实现最优FSR。任意低分辨率的输入人脸图像首先通过双三次插值上采样至目标分辨率,然后并行送入三个自编码器。三个编码得到的锚点特征随后按特征权重回归器确定的权重进行融合。最后,融合特征被送入最终图像解码器以得到超分辨率结果。实验表明,所提算法通过单一框架在广泛的低输入分辨率范围内实现了鲁棒且最先进的性能。代码与模型将在本工作发表后公开。
引用
@article{arxiv.2306.03380,
title = {A Unified Framework to Super-Resolve Face Images of Varied Low Resolutions},
author = {Qiuyu Peng and Zifei Jiang and Yan Huang and Jingliang Peng},
journal= {arXiv preprint arXiv:2306.03380},
year = {2023}
}