論文の概要: Deep Face Super-Resolution with Iterative Collaboration between Attentive Recovery and Landmark Estimation

• arxiv url: http://arxiv.org/abs/2003.13063v1
• Date: Sun, 29 Mar 2020 16:04:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-18 13:49:49.137558
• Title: Deep Face Super-Resolution with Iterative Collaboration between Attentive Recovery and Landmark Estimation
• Title（参考訳）: 注意回復とランドマーク推定の反復的協調によるディープフェイス超解法
• Authors: Cheng Ma, Zhenyu Jiang, Yongming Rao, Jiwen Lu, Jie Zhou
• Abstract要約: 本稿では,2つの繰り返しネットワーク間の反復的協調による深層面超解像(FSR)手法を提案する。 各繰り返しステップにおいて、リカバリブランチは、ランドマークの事前の知識を利用して、高品質な画像を生成する。 新しい注意融合モジュールはランドマークマップのガイダンスを強化するために設計されている。
• 参考スコア（独自算出の注目度）: 92.86123832948809
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent works based on deep learning and facial priors have succeeded in super-resolving severely degraded facial images. However, the prior knowledge is not fully exploited in existing methods, since facial priors such as landmark and component maps are always estimated by low-resolution or coarsely super-resolved images, which may be inaccurate and thus affect the recovery performance. In this paper, we propose a deep face super-resolution (FSR) method with iterative collaboration between two recurrent networks which focus on facial image recovery and landmark estimation respectively. In each recurrent step, the recovery branch utilizes the prior knowledge of landmarks to yield higher-quality images which facilitate more accurate landmark estimation in turn. Therefore, the iterative information interaction between two processes boosts the performance of each other progressively. Moreover, a new attentive fusion module is designed to strengthen the guidance of landmark maps, where facial components are generated individually and aggregated attentively for better restoration. Quantitative and qualitative experimental results show the proposed method significantly outperforms state-of-the-art FSR methods in recovering high-quality face images.
• Abstract（参考訳）: ディープラーニングと顔認識に基づく最近の研究は、ひどく劣化した顔画像の超解像に成功している。 しかし、ランドマークやコンポーネントマップのような顔の事前知識は、常に解像度の低い画像や粗い超解像画像で推定されるため、既存の手法では十分に活用されていないため、回復性能に影響を及ぼす可能性がある。 本稿では,顔画像の復元とランドマーク推定に焦点をあてた2つの繰り返しネットワーク間の反復的協調による深層顔超解像(FSR)手法を提案する。 再帰ステップ毎に、リカバリブランチは、ランドマークの事前知識を利用して、より正確なランドマーク推定を容易にする高品質の画像を生成する。 したがって、2つのプロセス間の反復的な情報相互作用は、互いのパフォーマンスを徐々に向上させる。 さらに,新しい注意融合モジュールはランドマークマップの誘導を強化するために設計されており,顔成分を個別に生成し,注意深く集約して復元する。 定量的および定性的な実験結果から,提案手法は高品質な顔画像の復元において,最先端のFSR法よりも優れていた。

関連論文リスト

• Analysis and Benchmarking of Extending Blind Face Image Restoration to Videos [99.42805906884499]
  まず,実世界の低品質顔画像ベンチマーク(RFV-LQ)を導入し,画像に基づく顔復元アルゴリズムの評価を行った。 次に、失明顔画像復元アルゴリズムを劣化顔ビデオに拡張する際の利点と課題を網羅的に分析する。 分析では、主に顔成分の顕著なジッタとフレーム間のノイズシェープの2つの側面に分類する。
  論文  参考訳（メタデータ） (2024-10-15T17:53:25Z)
• Prior Knowledge Distillation Network for Face Super-Resolution [25.188937155619886]
  顔超解像(FSR)の目的は、低分解能(LR)入力から高分解能(HR)顔画像を再構成することである。 本稿では,教師ネットワークから学生ネットワークに事前情報を転送するFSRのための事前知識蒸留ネットワーク(PKDN)を提案する。
  論文  参考訳（メタデータ） (2024-09-22T09:58:20Z)
• Analysis of Deep Image Prior and Exploiting Self-Guidance for Image Reconstruction [13.277067849874756]
  DIPがアンダーサンプドイメージング計測からどのように情報を回収するかを検討する。 ネットワーク重みと入力の両方を同時に最適化する自己駆動型再構築プロセスを導入する。 提案手法は,ネットワーク入力画像と再構成画像の両方の堅牢かつ安定した関節推定を可能にする,新しいデノイザ正規化項を組み込んだものである。
  論文  参考訳（メタデータ） (2024-02-06T15:52:23Z)
• Cross-resolution Face Recognition via Identity-Preserving Network and Knowledge Distillation [12.090322373964124]
  クロスレゾリューション顔認識は、現代の深層顔認識システムにとって難しい問題である。 本稿では,低分解能画像の低周波成分に蓄積される識別情報にネットワークを集中させる新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-03-15T14:52:46Z)
• A Survey of Deep Face Restoration: Denoise, Super-Resolution, Deblur, Artifact Removal [177.21001709272144]
  顔復元(FR)は、低品質(LQ)入力画像から高品質(HQ)顔を復元することを目的としている。 本稿では,顔修復のための深層学習技術の最近の進歩を包括的に調査する。
  論文  参考訳（メタデータ） (2022-11-05T07:08:15Z)
• Face Super-Resolution with Progressive Embedding of Multi-scale Face Priors [4.649637261351803]
  フェース超解像のための新しい再帰畳み込みネットワークベースのフレームワークを提案する。 我々は、繰り返しネットワークの中間出力をフル活用し、ランドマーク情報と顔行動単位(AU)情報を抽出する。 提案手法は,画像の画質と顔の細部復元において,最先端のFSR法よりも優れていた。
  論文  参考訳（メタデータ） (2022-10-12T08:16:52Z)
• Hierarchical Similarity Learning for Aliasing Suppression Image Super-Resolution [64.15915577164894]
  エイリアスの影響を抑制するために階層画像超解像ネットワーク(HSRNet)を提案する。 HSRNetは、他の作品よりも定量的かつ視覚的なパフォーマンスを向上し、エイリアスをより効果的に再送信する。
  論文  参考訳（メタデータ） (2022-06-07T14:55:32Z)
• Implicit Subspace Prior Learning for Dual-Blind Face Restoration [66.67059961379923]
  新しい暗黙的サブスペース事前学習(ISPL)フレームワークが、二重盲顔復元の一般的な解決策として提案されている。 実験の結果,既存の最先端手法に対するISPLの認識歪改善が顕著であった。
  論文  参考訳（メタデータ） (2020-10-12T08:04:24Z)
• Joint Deep Learning of Facial Expression Synthesis and Recognition [97.19528464266824]
  顔表情の合成と認識を効果的に行うための新しい統合深層学習法を提案する。 提案手法は, 2段階の学習手順を伴い, まず, 表情の異なる顔画像を生成するために, 表情合成生成対向ネットワーク (FESGAN) を事前訓練する。 実画像と合成画像間のデータバイアスの問題を軽減するために,新しい実データ誘導バックプロパゲーション(RDBP)アルゴリズムを用いたクラス内損失を提案する。
  論文  参考訳（メタデータ） (2020-02-06T10:56:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。