Sep, 2020

基于多个实例的人脸超分辨率与编辑幻像

PDF
TL;DR本论文旨在从低分辨率图像中重建人脸高分辨率图像。文章利用一组范例图像来引导神经网络以及基于像素产生权重生成模块来提高多个范例图像的信息量。得出的高分辨率图像不仅可用于标准的人脸超分辨率问题，而且还可用于微小的脸部编辑，且模型展示了良好的效果。
face reconstructionhigh-resolutionexemplarsneural networkface editing
发现论文，激发创造
  • 层叠超分辨率和身份先验的人脸变形重建

    本文提出了一种基于卷积神经网络和脸部识别模型的（深度）脸部成像模型，通过使用级联超分辨率网络并将人脸识别模型作为学习过程中的先验来实现从低分辨率输入到高分辨率输出的脸部图像重建，实验结果表明该方法优于现有方法。

    May, 2018

  • 全局 - 局部人脸上采样网络

    本文提出了一种面部图像超分辨网络，该网络在低分辨率、大姿态、大光照变化等困难情况下，通过全局和局部约束的多层次特征提取和重建，通过对抗性损失函数进行优化，来实现面部图像重建和细节增强的目标，同时在控制和不受控制的实验环境下，与现有算法相比，在数量和视觉效果上均获得了显著的提高。

    Mar, 2016

  • 结构生成和细节增强联合人脸超分辨率和去模糊

    本文提出了一种利用人脸专业知识恢复高质量人脸的有效算法，通过面部组件指导的深度卷积神经网络与基于演示的细节增强算法，在超分辨率和去模糊同时处理中增强了面部细节。

    Nov, 2018

  • 使用样本学习去模糊图像

    本文提出了一种基于样本数据集的去模糊算法以及卷积神经网络恢复模糊图像中的清晰边缘进行去模糊处理，实验表明该算法对于人脸图像去模糊非常有效，并且可以用于其他物体类别。

    May, 2018

  • 基于样例引导的人脸图像超分辨率重构算法无需面部标志点

    本文提出了基于卷积神经网络的超分辨率解决方案，即 GWAInet，用于对由另一个未约束的高分辨率人脸图像引导的人脸图像进行 8x 超分辨率，该方法不需要面部关键点进行训练，具有很强的鲁棒性，并可以以均匀的方式产生周围面部区域的精细细节，其可生成具有照片般逼真的图像。

    Jun, 2019

  • 用于面部图像超分辨率的超身份卷积神经网络

    提出一种 Super-Identity 卷积神经网络（SICNN）用于人脸超分辨率生成任务，该方法能够恢复面部身份信息并克服动态域分歧问题，可以生成更加真实的面孔并显著提高超低分辨率人脸的可识别性。

    Nov, 2018

  • 深度级联双网络用于人脸超分辨率重建

    该论文提出了一种新的框架来幻想姿态不受限、分辨率非常低的面部图像，并在统一的框架内交替优化两个互补的任务，即面部幻象和密集对应场估计，并提出一种新的门控深度双向神经网络以恢复不同层次的纹理细节，广泛的实验证明这种表述方式在低分辨率、有显著姿势和光照变化的野外低分辨率面孔上具有例外的幻象质量。

    Jul, 2016

  • 深度多帧人脸超分辨率

    我们提出了一种面向多帧人脸识别、对齐和超分辨率的综合系统，使用神经网络架构，同时考虑多个相邻帧，并利用子像素运动，从而显著提高了识别得分。

    Sep, 2017

  • 基于深度 CNN 去噪和多层邻域分量嵌入的人脸超分辨率算法

    本文提出了一种针对小输入低分辨率人脸图像的综合人脸幻象方法，该方法可将基于深度卷积神经网络的去噪先验注入到超分辨率优化模型中，同时通过多层邻域嵌入方法对面部图像进行分割并进行人脸幻象，以实现良好的超分辨率效果。

    Jun, 2018

  • 学会识别面部超分辨率

    本文提出了一种新颖的方法，利用音频和低分辨率图像进行极端人脸超分辨率，通过建立人脸的潜在表征并使用深度学习进行融合，以提高高分辨率图像重建过程的正确性，同时可以提取面部属性。

    Sep, 2019