EDFace-Celeb-1M：基于百万规模数据集的人脸幻觉基准评测
计算机视觉与模式识别
2022-06-09 v2
摘要
近期的深度人脸幻觉方法在超分辨率重建严重退化的面部图像方面表现出惊人的性能，甚至超越人类能力。然而，这些算法主要在非公开的合成数据集上评估，因此尚不清楚它们在公开人脸幻觉数据集上的表现。同时，现有大多数数据集未能充分考虑种族分布，使得在这些数据集上训练的人脸幻觉方法偏向某些特定种族。为解决上述两个问题，本文构建了公开的民族多样化人脸数据集 EDFace-Celeb-1M，并设计了人脸幻觉的基准任务。我们的数据集包含 170 万张覆盖不同国家的照片，具有均衡的种族构成。据我们所知，这是最大且公开可用的野外人脸幻觉数据集。配合该数据集，本文还贡献了多种评估协议，并提供全面分析以基准评测现有最先进方法。基准评估展示了最先进算法的性能与局限。
引用
@article{arxiv.2110.05031,
title = {EDFace-Celeb-1M: Benchmarking Face Hallucination with a Million-scale Dataset},
author = {Kaihao Zhang and Dongxu Li and Wenhan Luo and Jingyu Liu and Jiankang Deng and Wei Liu and Stefanos Zafeiriou},
journal= {arXiv preprint arXiv:2110.05031},
year = {2022}
}
备注
To appear in IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)