HyperAIHyperAI
vor 2 Monaten

Progressive Face Super-Resolution durch Aufmerksamkeit auf Gesichtspunkte

Deokyun Kim; Minseon Kim; Gihyun Kwon; Dae-Shik Kim
Progressive Face Super-Resolution durch Aufmerksamkeit auf Gesichtspunkte
Abstract

Face Super-Resolution (SR) ist ein Teilbereich des SR-Feldes, der sich speziell auf die Rekonstruktion von Gesichtsbildern konzentriert. Die Haupt Herausforderung bei Face SR besteht darin, wesentliche Gesichtszüge ohne Verzerrung wiederherzustellen. Wir schlagen eine neuartige Face-SR-Methode vor, die fotorealistische 8-fach super-auflösende Gesichtsbilder mit vollständig erhaltenen Gesichtsdetails generiert. Dazu verwenden wir eine progressive Trainingsmethode, die durch das Aufteilen des Netzwerks in aufeinanderfolgende Schritte stabiles Training ermöglicht, wobei jeder Schritt eine Ausgabe mit fortschreitend höherer Auflösung erzeugt. Zudem schlagen wir einen neuen Verlust für die fokussierte Wiederherstellung von Gesichtsattributen vor und wenden ihn in jedem Schritt an, um die Wiederherstellung von Gesichtsmerkmalen in größerem Detail zu verbessern, indem wir den Pixelunterschied und die Heatmap-Werte multiplizieren. Abschließend schlagen wir eine komprimierte Version des state-of-the-art Face Alignment Networks (FAN) zur Extraktion von Landmark-Heatmaps vor. Mit dem vorgeschlagenen FAN können wir Heatmaps extrahieren, die für Face SR geeignet sind, und gleichzeitig die gesamte Trainingszeit reduzieren. Experimentelle Ergebnisse bestätigen, dass unsere Methode sowohl in qualitativen als auch quantitativen Messungen den state-of-the-art-Methoden überlegen ist, insbesondere hinsichtlich der perceptuellen Qualität.