FacEnhance：基于递归 DDPM 的面部表情增强

面部表情在非语言人类交流中至关重要，已在诸多计算机视觉领域找到应用，如虚拟现实、游戏和情感 AI 助手。尽管已取得进展，但许多面部表情生成模型面临挑战，如低分辨率（例如 32x32 或 64x64 像素）、质量不佳以及缺乏背景细节。本文介绍了 FacEnhance，一种新型扩散方法，旨在解决现有低分辨率面部表情生成模型的限制。FacEnhance 将低分辨率面部表情视频（64x64 像素）增强到更高分辨率（192x192 像素），并纳入背景细节，提高整体质量。利用条件去噪扩散框架，由无背景的低分辨率视频和单张中性表情高分辨率图像引导，FacEnhance 生成包含来自低分辨率视频中表情的视频，同时使用中性图像中的背景。通过补充轻量级低分辨率模型，FacEnhance 在计算效率与理想图像分辨率和质量之间取得了平衡。在 MUG 面部表情数据库上的大量实验表明，FacEnhance 在保持内容和身份一致性的同时，将低分辨率模型的输出提升至最新质量。FacEnhance 代表了资源高效、高保真面部表情生成的重要进步，使过时的低分辨率方法达到最新标准。