面向人脸超分辨率的随机属性建模
计算机视觉与模式识别
2022-07-19 v1
摘要
当高分辨率（HR）图像退化为低分辨率（LR）图像时，图像会丢失部分已有信息。因此，多个 HR 图像可对应于同一 LR 图像。现有多数方法未考虑由随机属性引起的、仅能概率性推断的不确定性。因此，预测出的 HR 图像常显模糊，因为网络试图在单一输出图像中反映所有可能性。为克服该局限，本文提出一种新的人脸超分辨率（SR）方案，通过随机建模纳入不确定性。具体而言，LR 图像中的信息被分别编码为确定性属性与随机属性。此外，提出并单独训练一个输入条件属性预测器，仅从 LR 图像中预测部分存活的随机属性。大量评估表明，所提方法成功降低了学习过程中的不确定性，并优于现有最先进方法。
引用
@article{arxiv.2207.07945,
title = {Stochastic Attribute Modeling for Face Super-Resolution},
author = {Hanbyel Cho and Yekang Lee and Jaemyung Yu and Junmo Kim},
journal= {arXiv preprint arXiv:2207.07945},
year = {2022}
}