监控摄像头人脸图像的真实世界超分辨率重建
计算机视觉与模式识别
2021-02-08 v1
摘要
大多数现有人脸图像超分辨率(SR)方法假设低分辨率(LR)图像是通过双三次插值从高分辨率(HR)图像人工下采样得到的。该操作改变了自然图像特性并降低了噪声。因此,在此类数据上训练的SR方法在应用于真实LR图像时往往无法产生良好结果。为解决此问题,我们提出了一种用于生成真实LR/HR训练对的新型框架。我们的框架估计真实模糊核、噪声分布和JPEG压缩伪影,以生成具有与源域中图像相似图像特性的LR图像。这使我们能够使用高质量人脸图像作为真值(GT)来训练SR模型。为获得更好的感知质量,我们使用基于生成对抗网络(GAN)的SR模型,其中将常用的VGG-loss [24]替换为LPIPS-loss [52]。在真实和人工 corrupted 人脸图像上的实验结果表明,与现有最先进(SoTA)方法相比,我们的方法能重建出更多细节且噪声更少。此外,我们表明传统的无参考图像质量评价(IQA)方法未能捕捉到这一改进,并证明较新的NIMA指标 [16]通过平均意见排名(MOR)与人类感知的相关性更好。
引用
@article{arxiv.2102.03113,
title = {Real-World Super-Resolution of Face-Images from Surveillance Cameras},
author = {Andreas Aakerberg and Kamal Nasrollahi and Thomas B. Moeslund},
journal= {arXiv preprint arXiv:2102.03113},
year = {2021}
}