基于序贯门控集成网络的多尺度人脸复原
计算机视觉与模式识别
2018-05-08 v1
摘要
从失真中复原人脸图像在人脸识别应用中十分重要，并受到多尺度问题的挑战，该问题在研究领域中仍未被很好解决。本文提出一种序贯门控集成网络（SGEN）用于多尺度人脸复原问题。我们首先将集成学习原理引入 SGEN 架构设计以强化网络的预测性能。SGEN 将多级基础编码器与基础解码器聚合进网络，使网络包含多尺度感受野。SGEN 并非以非序贯操作直接组合这些基础编/解码器，而是将不同层级的基础编/解码器视为序贯数据。具体而言，SGEN 学习以自底向上的方式从基础编码器序贯提取高层信息，并以自顶向下的方式从基础解码器复原低层信息。此外，我们提出用序贯门控单元（SGU）实现自底向上与自顶向下的信息组合与选择。SGU 序贯接收来自不同层级的两个输入，并基于一个活跃输入决定输出。实验结果表明，相较于当前最优的图像复原模型，我们的 SGEN 在多尺度人脸复原上更有效，具有更多图像细节与更少噪声。通过对抗训练，SGEN 在主观评价中也比其他模型产生更具视觉偏好的结果。
引用
@article{arxiv.1805.02164,
title = {Multi-Scale Face Restoration with Sequential Gating Ensemble Network},
author = {Jianxin Lin and Tiankuang Zhou and Zhibo Chen},
journal= {arXiv preprint arXiv:1805.02164},
year = {2018}
}
备注
8 pages, 7 figures, Thirty-Second AAAI Conference on Artificial Intelligence (AAAI-18)