CVPRMar, 2020

具有关注恢复和关键点估计之间迭代协作的深度面部超分辨率

PDF
TL;DR本文提出了一种基于深度学习和迭代协作的面部图像超分辨率方法，利用面部上的先验知识和注意力融合模块，相比现有的超分辨率方法取得显著性能提升。
facial image super-resolutiondeep learninglandmark estimationattentive fusion modulefacial component maps
发现论文，激发创造
  • FSRNet：基于面部先验的端到端学习人脸超分辨率

    使用深度学习技术构建人脸超分辨率网络 (FSRNet) 并结合 landmark 和 parsing map 实现对人脸低分辨率图像的高清重建，同时引入了对齐和解析等任务对传统指标进行补充，并开展了针对性的测试，显示出 FSRNet 和 FSRGAN 在超分辨率方面显著优于当前领先的技术。

    Nov, 2017

  • 利用面部关键点注意力的渐进式人脸超分辨率

    本论文提出了一种新颖的面部高清晰度恢复方法，采用了渐进式训练、面部注意力损失和压缩的人脸标注热图提取网络，实现了全面的面部特征恢复，使得图像更为逼真清晰，表现最好。

    Aug, 2019

  • 微小人脸的联合超分辨率与对齐

    本文提出一种联合对齐和超分辨率网络，通过共享深度编码器提取特征，实现同时检测面部标记和超分辨率。实验证明，该模型在检测微小面部标记和超分辨率方面优于现有方法。

    Nov, 2019

  • HighRes-net：多帧卫星图像超分辨率递归融合

    本论文提出了一种基于深度学习的多帧超分辨率方法 HighRes-net，首次使用端到端的方式学习了低分辨率图像的配准、融合和上采样等任务，并通过准确的配准和 ShiftNet 算法实现了真实卫星图像的超分辨率处理，促进了地球观测数据的应用。

    Feb, 2020

  • 由三维面部先验引导的人脸超分辨率

    该研究提出了一种将 3D 人脸先验知识与深度卷积神经网络相结合的人脸超分辨率方法。实验结果表明，所提出的方法在面部超分辨率方面取得了优异的效果。

    Jul, 2020

  • 一种用于超分辨率低分辨率人脸图像的统一框架

    提出了一种使用统一框架进行人脸图像超分辨率的算法，该算法采用三个自编码器、一个特征权重回归器和一个最终的图像解码器作为神经网络结构，可以对多种不同低分辨率的输入图像进行超分辨率处理，实现了领先水平的性能表现。

    Jun, 2023

  • W-Net：一种面部特征引导的人脸超分辨网络

    通过利用面部先验信息，提出了一种名为 W-Net 的新型网络架构，用于解决面部超分辨率问题，该架构充分利用了低分辨率图像的分辨率潜力，并通过使用预测图和低分辨率图像的融合模块实现多维度的融合，同时平衡了感知质量和像素准确性。实验证明 W-Net 在定量指标、视觉质量和下游任务方面表现出色。

    Jun, 2024

  • HiFaceGAN: 基于协同压抑与补偿的人脸修复

    本研究针对现有的面部修复技术的限制，提出了一种名为 Face Renovation（FR）的语义引导生成方法，并采用协同抑制补充（CSR）策略解决这个更具挑战性和实际问题，最终构建了多阶段嵌套 CSR 单元的 HiFaceGAN。实验证明，HiFaceGAN 在包含丰富背景干扰的真实图像中具有出色的修复性能，展示了其在面部图像处理中的多用途、稳健性和泛化能力。

    May, 2020

  • 用于真实世界人脸超分辨率的师生网络与边缘信息渐进嵌入

    提出了一种考虑真实数据和合成数据之间领域差异的面向真实世界的人脸超分辨率教师 - 学生模型，通过使用循环网络中间输出逐步包含各种边缘信息，此方法在获取高质量的真实世界人脸超分辨率图像方面超越了现有的先进方法。

    May, 2024

  • 学习面部超分辨率的空间注意力

    本篇论文介绍了一种基于 SPARNet 和 Face Attention Units（FAU）的空间注意力残差网络（SPARNet），能够在处理低分辨率人脸图像时捕捉到关键面部结构并生成高质量和高分辨率的结果。研究表明，该方法在多种度量标准上的表现优于当前最先进的方法，并能够对合成和真实世界低质量人脸图像进行有效泛化，不需要额外的人工标记数据。

    Dec, 2020