基于深度学习的人脸超分辨率：综述
计算机视觉与模式识别
2021-09-02 v2
摘要
人脸超分辨率（FSR），亦称人脸幻构，旨在将低分辨率（LR）人脸图像增强分辨率以生成高分辨率（HR）人脸图像，是一个特定领域的图像超分辨率问题。近来，随着深度学习技术的发展，FSR 受到相当关注并取得了令人瞩目的进展。迄今为止，关于基于深度学习的 FSR 研究的总结甚少。本综述中，我们以系统方式对基于深度学习的 FSR 方法进行了全面回顾。首先，我们总结了 FSR 的问题表述并介绍了常用的评估指标与损失函数。其次，我们详述了 FSR 中用到的人脸特征与流行数据集。第三，我们根据人脸特征的使用情况对现有方法大致分类。在每一类中，我们先给出设计原则的总体描述，随后概述代表性方法，并讨论它们之间的优劣。第四，我们评估了一些最先进方法的性能。第五，粗略介绍了联合 FSR 与其他任务，以及 FSR 相关应用。最后，我们展望了该领域进一步技术 advancement 的前景。人脸超分辨率的论文与资源整理列表见 \url{https://github.com/junjun-jiang/Face-Hallucination-Benchmark}
引用
@article{arxiv.2101.03749,
title = {Deep Learning-based Face Super-Resolution: A Survey},
author = {Junjun Jiang and Chenyang Wang and Xianming Liu and Jiayi Ma},
journal= {arXiv preprint arXiv:2101.03749},
year = {2021}
}
备注
Accepted to ACM Computing Surveys