利用级联超分辨率与身份先验的人脸幻觉
计算机视觉与模式识别
2019-02-12 v2
摘要
本文中，我们解决了从非对齐的低分辨率输入在高放大倍数下幻觉出高分辨率人脸图像的问题。我们使用卷积神经网络（CNNs）处理该问题，并提出了一种新颖的（深度）人脸幻觉模型，该模型将身份先验纳入学习过程。该模型由两个主要部分组成：i）一个级联超分辨率网络，用于对低分辨率图像进行上采样；ii）一组人脸识别模型，在训练期间作为超分辨率网络的身份先验。与通常依赖单一模型进行上采样（即使在大放大倍数下）的竞争超分辨率方法不同，我们的网络使用多个SR模型的级联，以的步长逐步上采样低分辨率图像。这一特性使我们能够在不同分辨率下施加监督信号（目标外观），并在多尺度上引入身份约束。我们的模型能够上采样在非受限条件下捕获的（极）低分辨率图像，并生成视觉上令人信服的结果。我们在大型人脸图像数据集上严格评估了所提出的模型，并报告了优于最先进方法的性能。
引用
@article{arxiv.1805.10938,
title = {Face hallucination using cascaded super-resolution and identity priors},
author = {Klemen Grm and Simon Dobrišek and Walter J. Scheirer and Vitomir Štruc},
journal= {arXiv preprint arXiv:1805.10938},
year = {2019}
}