HAZE-Net：低分辨率人脸图像中基于高频注意的超分辨率凝视估计
计算机视觉与模式识别
2022-09-22 v1
摘要
尽管凝视估计方法已随深度学习技术发展，但尚无旨在像素宽度 50 像素或更少的低分辨率人脸图像中取得准确性能的方法。为解决该挑战性低分辨率条件下的局限，我们提出高频注意超分辨率凝视估计网络，即 HAZE-Net。我们的网络通过所提基于高频注意力块的超分辨率模块提升输入图像分辨率并增强眼睛特征及其边界。此外，我们的凝视估计模块利用眼睛高频分量及全局表观图。我们还利用面部结构位置信息来近似头部姿态。实验结果表明，所提方法即使在 28x28 像素的低分辨率人脸图像中也表现出鲁棒的凝视估计性能。本工作的源代码见于 https://github.com/dbseorms16/HAZE_Net/。
引用
@article{arxiv.2209.10167,
title = {HAZE-Net: High-Frequency Attentive Super-Resolved Gaze Estimation in Low-Resolution Face Images},
author = {Jun-Seok Yun and Youngju Na and Hee Hyeon Kim and Hyung-Il Kim and Seok Bong Yoo},
journal= {arXiv preprint arXiv:2209.10167},
year = {2022}
}