基于对抗式渐进属性诱导网络的低分辨率到高分辨率人脸幻构
计算机视觉与模式识别
2021-10-01 v1
摘要
人脸超分辨率是一个具有挑战性且高度不适定的问题，因为在幻构过程中一张低分辨率(LR)人脸图像可能对应多张高分辨率(HR)图像，并导致最终超分辨率结果的身份发生显著变化。为此，我们提出一种端到端的渐进学习框架，该框架融入人脸属性并施加来自多尺度判别器的额外监督。通过将人脸属性引入学习过程并渐进式地复原人脸图像，LR与HR图像之间的映射受到更多约束，这显著有助于减少一对多映射中的模糊性与不确定性。此外，我们遵循先前工作的设置（即从16x16微小人脸图像以8倍放大率超分辨率）在CelebA数据集上进行了全面评估，结果表明所提方法能够生成令人满意的人脸幻构图像，优于其他最先进的方法。
引用
@article{arxiv.2109.14690,
title = {LR-to-HR Face Hallucination with an Adversarial Progressive Attribute-Induced Network},
author = {Nitin Balachandran and Jun-Cheng Chen and Rama Chellappa},
journal= {arXiv preprint arXiv:2109.14690},
year = {2021}
}