AffectSRNet：面向人脸情感的超分辨率网络
计算机视觉与模式识别
2025-02-17 v1
摘要
低分辨率环境下的面部表情识别（FER）系统在准确识别表情方面面临着显著挑战，由于细粒度面部细节的丢失。这一限制在监控和移动通信等应用中尤为突出，因为低图像分辨率常见且可能影响识别准确性。然而，传统的单张人脸超分辨率（FSR）技术往往无法保留表情的情感意图，引入的失真会遮蔽原始情感内容。鉴于单张图像超分辨率本质上是高度难以求解的，需采取针对性方法在图像质量提升与情感保持之间进行平衡。本文提出AffectSRNet，一种新型情感感知超分辨率框架，从低分辨率输入重建高质量人脸图像，同时保持表情强度和保真度。我们的方法通过采用针对FER应用的情感保留损失函数，有效地在图像分辨率与表情准确性之间架起桥梁。此外，我们引入了一种新型指标，用于评估超分辨率图像中的情感保存情况，为评估低分辨率场景下FER系统性能提供更细致的评估。在CelebA、FFHQ和Helen等标准数据集上的实验结果表明，AffectSRNet在视觉质量和情感忠实度方面均优于现有FSR方法，凸显其在实际FER应用中的潜力。本工作不仅提升图像清晰度，还确保情感驱动的应用在分辨率不佳的环境中保留核心功能，为FER系统的更广泛采用铺平了道路。
引用
@article{arxiv.2502.09932,
title = {AffectSRNet : Facial Emotion-Aware Super-Resolution Network},
author = {Syed Sameen Ahmad Rizvi and Soham Kumar and Aryan Seth and Pratik Narang},
journal= {arXiv preprint arXiv:2502.09932},
year = {2025}
}