要約
顔超解像（Face Super-Resolution: SR）は、顔画像の再構成に特化したSR分野のサブフィールドです。顔SRの主要な課題は、歪みなく重要な顔の特徴を復元することです。本研究では、完全に保たれた顔の詳細を持つ写真現実的な8倍超解像顔画像を生成する新しい顔SR手法を提案します。この目的のために、ネットワークを段階的に分割し、各ステップで徐々に高解像度の出力を生成することで安定した学習を可能にする進行学習方法を採用しました。さらに、新たな Facial Attention Loss を提案し、各ステップで適用することで、ピクセル差とヒートマップ値を乗算して顔属性をより詳細に復元する焦点を当てています。最後に、最先端の顔アライメントネットワーク（Facial Alignment Network: FAN）の圧縮版を提案し、ランドマークヒートマップ抽出に使用します。提案されたFANを使用することで、顔SRに適したヒートマップを抽出できるとともに、全体的な学習時間を短縮することができます。実験結果は、本手法が定性的および定量的評価において既存の最先端手法を超えることを確認しており、特に知覚品質において優れた性能を示しています。