JDSR-GAN：构建高效的联合学习网络用于遮挡口罩人脸超分辨率
计算机视觉与模式识别
2023-01-31 v2 图像与视频处理
摘要
随着预防 COVID-19 病毒的重要性日益增加，大多数视频监控场景中获取的人脸图像同时具有低分辨率且带口罩。然而，以往大多数人脸超分辨率方案无法在单一模型中同时处理两项任务。本工作中，我们将口罩遮挡视为图像噪声，并构建了一个称为 JDSR-GAN 的联合协同学习网络，用于遮挡口罩人脸超分辨率任务。给定一张带口罩的低质量人脸图像作为输入，由去噪模块和超分辨率模块组成的生成器的作用是获取高质量高分辨率人脸图像。判别器利用一些精心设计的损失函数来确保恢复人脸图像的质量。此外，我们将身份信息和注意力机制引入网络，以实现可行的相关特征表达和信息特征学习。通过联合执行去噪与人脸超分辨率，两项任务可互补并取得令人瞩目的性能。大量定性与定量结果表明，我们所提 JDSR-GAN 优于一些将先前两项任务分开执行的同类方法。
引用
@article{arxiv.2103.13676,
title = {JDSR-GAN: Constructing An Efficient Joint Learning Network for Masked Face Super-Resolution},
author = {Guangwei Gao and Lei Tang and Fei Wu and Huimin Lu and Jian Yang},
journal= {arXiv preprint arXiv:2103.13676},
year = {2023}
}
备注
IEEE Transactions on Multimedia, 8 pages, 7 figures