基于面部关键点注意力的渐进式人脸超分辨率
计算机视觉与模式识别
2019-08-23 v1
摘要
人脸超分辨率（SR）是SR领域的一个子领域，专门针对人脸图像的重建。人脸SR的主要挑战是在不失真的情况下恢复基本的面部特征。我们提出了一种新颖的人脸SR方法，可生成具有完全保留面部细节的、照片般逼真的8倍超分辨率人脸图像。为此，我们采用了一种渐进式训练方法，通过将网络分割成连续的步骤，每个步骤产生分辨率逐步提高的输出，从而实现稳定训练。我们还提出了一种新颖的面部注意力损失，并在每一步应用它，通过将像素差与热图值相乘，以更精细地关注恢复面部属性。最后，我们提出了最先进的人脸对齐网络（FAN）的压缩版本，用于关键点热图提取。借助所提出的FAN，我们可以提取适合人脸SR的热图，并减少整体训练时间。实验结果验证了我们的方法在定性和定量测量上均优于最先进的方法，尤其是在感知质量方面。
引用
@article{arxiv.1908.08239,
title = {Progressive Face Super-Resolution via Attention to Facial Landmark},
author = {Deokyun Kim and Minseon Kim and Gihyun Kwon and Dae-Shik Kim},
journal= {arXiv preprint arXiv:1908.08239},
year = {2019}
}
备注
BMVC 2019 Accepted