Jun, 2023

一种用于超分辨率低分辨率人脸图像的统一框架

PDF
TL;DR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。
face image super-resolutionneural network architectureauto-encodersfeature weight regressorstate-of-the-art performance
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

  • 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

  • EfficientSRFace: 一种高效的具有超分辨增强的网络，用于准确的面部检测

    为解决深度人脸检测在低分辨率人脸检测中的性能问题，本文提出了一种新的高效检测器 EfficientSRFace，引入了特征级超分辨率重建网络，并在公共数据集 FDDB 和 WIDER Face 上取得了与现有算法相当的检测性能结果。

    Jun, 2023

  • 低分辨率人脸识别

    提出一种新的基于深度学习的 Complement Super-Resolution and Identity (CSRI) 模型，用于在低分辨率的大规模原始面部图像上进行人脸识别并构造了一个新的面向此类问题的数据集 TinyFace，与现有的基准数据集相比，TinyFace 的结果表明了该模型在解决低分辨率大规模面部图像人脸识别问题方面的优势。

    Nov, 2018

  • 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

    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。

    Mar, 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

  • 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

  • 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

  • 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

  • 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