基于随机微分方程的面部超分辨率
计算机视觉与模式识别
2023-01-02 v1
摘要
扩散模型已被证明对图像、音频和图生成等多种应用有效。其他重要应用包括图像超分辨率与逆问题的求解。近来，一些工作使用随机微分方程（SDE）将扩散模型推广到连续时间。本文中，我们引入 SDE 以生成超分辨率人脸图像。据我们所知，这是 SDE 首次用于此类应用。所提方法相比现有基于扩散模型的超分辨率方法，在峰值信噪比（PSNR）、结构相似性指数测度（SSIM）和一致性方面均有提升。特别地，我们还评估了该方法在人脸识别任务中的潜在应用。使用通用人脸特征提取器将超分辨率图像与真实图像比较，相较其他方法取得了更优结果。我们的代码公开于 https://github.com/marcelowds/sr-sde。
引用
@article{arxiv.2209.12064,
title = {Face Super-Resolution Using Stochastic Differential Equations},
author = {Marcelo dos Santos and Rayson Laroca and Rafael O. Ribeiro and João Neves and Hugo Proença and David Menotti},
journal= {arXiv preprint arXiv:2209.12064},
year = {2023}
}
备注
Accepted for presentation at the Conference on Graphics, Patterns and Images (SIBGRAPI) 2022