全局-局部人脸上采样网络
计算机视觉与模式识别
2016-04-28 v2 机器学习
摘要
人脸幻构（face hallucination）是指从低分辨率输入图像生成高分辨率人脸图像的任务，这是一个研究充分的问题，在广泛应用领域中有用。当输入人脸分辨率非常低（例如10×12像素）和/或在具有大姿态和光照变化的非受控环境下捕获图像时，人脸幻构尤其具有挑战性。在本文中，我们重新审视了[1]中引入的算法，并提出了该框架的一种深度解释，其在此类挑战性场景下达到了最先进水平（state-of-the-art）。在我们的深度网络架构中，定义人脸的全局和局部约束可以使用训练数据端到端地高效建模和学习。从概念上讲，我们的网络设计可划分为两个子网络：第一个根据全局约束实现整体人脸重建，第二个增强人脸特定细节并强制局部块统计。我们使用一种新的超分辨率损失函数优化深度网络，该函数将重建误差与对抗设置下学习到的人脸质量度量相结合，产生改进的视觉结果。我们在受控和非受控设置下进行了大量实验，表明我们的算法在数值和视觉上都改进了最先进水平。
引用
@article{arxiv.1603.07235,
title = {Global-Local Face Upsampling Network},
author = {Oncel Tuzel and Yuichi Taguchi and John R. Hershey},
journal= {arXiv preprint arXiv:1603.07235},
year = {2016}
}