基于边缘信息渐进嵌入的真实世界人脸超分辨率师生网络

在合成数据集上训练的传统人脸超分辨率(FSR)方法对真实世界人脸图像通常泛化能力较差。近期工作利用复杂的退化模型或训练网络来模拟真实退化过程，但由于生成的低分辨率图像与真实低分辨率图像之间仍存在域差异，这限制了这些方法的性能。此外，由于域差距的存在，当同时利用合成数据和真实数据训练超分辨率模型时，目标域的语义特征信息可能会受到影响。本研究提出了一种真实世界人脸超分辨率师生模型，该模型考虑了真实数据与合成数据之间的域差距，并通过利用循环网络的中间输出逐步包含多样的边缘信息。大量实验表明，我们提出的方法在获取真实世界 FSR 的高质量人脸图像方面超越了现有最先进方法。