基于注意力恢复与关键点估计迭代协作的深度人脸超分辨率
计算机视觉与模式识别
2020-03-31 v1
摘要
近年来，基于深度学习和人脸先验的方法已在严重退化人脸图像超分辨率中取得成功。然而，现有方法并未充分利用先验知识，因为关键点与部件图等人脸先验总是由低分辨率或粗略超分辨率图像估计得到，这可能不准确并进而影响恢复性能。本文提出一种深度人脸超分辨率（FSR）方法，通过两个分别专注于人脸图像恢复与关键点估计的循环网络进行迭代协作。在每个循环步骤中，恢复分支利用关键点先验知识生成更高质量的图像，进而有助于更准确的关键点估计。因此，两个过程间的迭代信息交互逐步提升了彼此的性能。此外，设计了一种新的注意力融合模块以增强关键点图的引导作用，其中人脸部件被分别生成并经由注意力聚合以获得更好的复原效果。定量与定性实验结果表明，所提方法在恢复高质量人脸图像方面显著优于当前最优的 FSR 方法。
引用
@article{arxiv.2003.13063,
title = {Deep Face Super-Resolution with Iterative Collaboration between Attentive Recovery and Landmark Estimation},
author = {Cheng Ma and Zhenyu Jiang and Yongming Rao and Jiwen Lu and Jie Zhou},
journal= {arXiv preprint arXiv:2003.13063},
year = {2020}
}
备注
Accepted to CVPR 2020