对极低分辨率与遮挡人脸图像进行幻觉增强
计算机视觉与模式识别
2018-12-13 v4
摘要
大多数人脸幻觉方法都是为完整输入而设计的。若输入非常微小或被大面积遮挡污染，它们将无法良好工作。受此启发，我们提出一种遮挡人脸幻觉网络（OFHNet）。OFHNet 由四部分组成：一个修复网络、一个上采样网络、一个判别网络以及一个固定的面部关键点检测网络。修复网络恢复低分辨率（LR）遮挡人脸图像。随后的上采样网络对修复网络的输出进行上采样。为确保生成的高分辨率（HR）人脸图像更具照片真实感，我们利用判别网络与面部关键点检测网络来改善上采样网络的结果。此外，我们提出一种语义结构损失，使生成的 HR 人脸图像更令人满意。大量实验表明，我们的框架能够从具有 8 倍挑战性缩放因子的、缺失 1/4 区域的 LR 人脸图像中恢复出吸引人的 HR 人脸图像。
引用
@article{arxiv.1811.04645,
title = {Hallucinating very low-resolution and obscured face images},
author = {Lianping Yang and Bin Shao and Ting Sun and Song Ding and Xiangde Zhang},
journal= {arXiv preprint arXiv:1811.04645},
year = {2018}
}
备注
20 pages, Submitted to Pattern Recognition Letters