用于人脸超分辨率的先验知识蒸馏网络
计算机视觉与模式识别
2024-09-24 v1
摘要
人脸超分辨率（FSR）旨在从低分辨率（LR）输入重建高分辨率（HR）人脸图像。随着深度学习技术的不断进步，当代先验引导的 FSR 方法首先估计人脸先验，然后利用该信息辅助超分辨率重建过程。然而，确保先验估计的准确性仍具挑战，且简单的级联与卷积操作往往无法充分利用先验知识。不准确或未被充分利用先验信息不可避免地会降低 FSR 性能。为解决此问题，我们提出了一种用于 FSR 的先验知识蒸馏网络（PKDN），将先验信息从教师网络迁移至学生网络。该方法使网络在训练阶段学习先验，而在测试阶段仅依赖低分辨率人脸图像，从而减轻先验估计不准确带来的不利影响。此外，我们引入鲁棒的注意力机制来设计解析图融合块，以有效利用先验信息。为防止特征丢失，我们在特征提取阶段保留多尺度特征，并将其应用于后续的超分辨率重建过程。在基准数据集上的实验结果表明，我们的 PKDN 方法在生成高质量人脸图像方面超越了现有的 FSR 方法。
引用
@article{arxiv.2409.14385,
title = {Prior Knowledge Distillation Network for Face Super-Resolution},
author = {Qiu Yang and Xiao Sun and Xin-yu Li and Feng-Qi Cui and Yu-Tong Guo and Shuang-Zhen Hu and Ping Luo and Si-Ying Li},
journal= {arXiv preprint arXiv:2409.14385},
year = {2024}
}