論文の概要: Edge and Identity Preserving Network for Face Super-Resolution
- arxiv url: http://arxiv.org/abs/2008.11977v2
- Date: Wed, 31 Mar 2021 02:17:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-24 08:30:37.283857
- Title: Edge and Identity Preserving Network for Face Super-Resolution
- Title(参考訳): 顔超解像のためのエッジとアイデンティティ保存ネットワーク
- Authors: Jonghyun Kim, Gen Li, Inyong Yun, Cheolkon Jung, and Joongkyu Kim
- Abstract要約: 対面超解像(SR)は、ビデオ監視や識別システムのようなセキュリティソリューションにおいて必須の機能となっている。
ほとんどの最先端の手法は、ディープニューラルネットワークで顔の先行性を利用してきた。
歪みを最小限に抑えるために,新たにEIPNetと呼ばれる顔SRネットワークのためのエッジ・アイデンティティ保護ネットワークを提案する。
- 参考スコア(独自算出の注目度): 28.771760120555935
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Face super-resolution (SR) has become an indispensable function in security
solutions such as video surveillance and identification system, but the
distortion in facial components is a great challenge in it. Most
state-of-the-art methods have utilized facial priors with deep neural networks.
These methods require extra labels, longer training time, and larger
computation memory. In this paper, we propose a novel Edge and Identity
Preserving Network for Face SR Network, named as EIPNet, to minimize the
distortion by utilizing a lightweight edge block and identity information. We
present an edge block to extract perceptual edge information, and concatenate
it to the original feature maps in multiple scales. This structure
progressively provides edge information in reconstruction to aggregate local
and global structural information. Moreover, we define an identity loss
function to preserve identification of SR images. The identity loss function
compares feature distributions between SR images and their ground truth to
recover identities in SR images. In addition, we provide a
luminance-chrominance error (LCE) to separately infer brightness and color
information in SR images. The LCE method not only reduces the dependency of
color information by dividing brightness and color components but also enables
our network to reflect differences between SR images and their ground truth in
two color spaces of RGB and YUV. The proposed method facilitates the proposed
SR network to elaborately restore facial components and generate high quality
8x scaled SR images with a lightweight network structure. Furthermore, our
network is able to reconstruct an 128x128 SR image with 215 fps on a GTX 1080Ti
GPU. Extensive experiments demonstrate that our network qualitatively and
quantitatively outperforms state-of-the-art methods on two challenging
datasets: CelebA and VGGFace2.
- Abstract(参考訳): 顔の超解像(SR)は、ビデオ監視や識別システムなどのセキュリティソリューションでは必須機能となっているが、顔成分の歪みは大きな課題である。
最先端の手法の多くは、ディープニューラルネットワークで顔の事前情報を利用する。
これらの方法は、追加のラベル、長いトレーニング時間、より大きな計算メモリを必要とする。
本稿では,軽量エッジブロックと識別情報を利用して,歪みを最小限に抑えるために,EIPNetという顔SRネットワークのためのエッジ・アイデンティティ保護ネットワークを提案する。
我々は,知覚的エッジ情報を抽出するエッジブロックを提示し,それを複数のスケールで元の特徴マップに結合する。
この構造は、局所的およびグローバルな構造情報を集約するための再構築において、段階的にエッジ情報を提供する。
さらに、SR画像の識別を保存するためのID損失関数を定義する。
アイデンティティ損失関数は、SR画像の特徴分布とそれらの基底真理を比較して、SR画像のアイデンティティを復元する。
さらに、SR画像の輝度と色情報を別々に推測する輝度クロミナンス誤差(LCE)を提供する。
LCE法は、輝度と色成分を分割することで色情報の依存性を減らすだけでなく、RGBとYUVの2色空間において、SR画像とそれらの基底真実の違いを反映できる。
提案手法は,提案するsrネットワークにより,顔成分を精巧に復元し,軽量ネットワーク構造で高品質な8倍スケールsr画像を生成する。
さらに,GTX 1080Ti GPU上で128x128のSR画像を215fpsで再構成することができる。
大規模な実験により、我々のネットワークは2つの挑戦的データセットであるCelebAとVGGFace2で最先端の手法より質的に定量的に優れていることが示された。
関連論文リスト
- W-Net: A Facial Feature-Guided Face Super-Resolution Network [8.037821981254389]
Face Super-Resolutionは、高解像度 (HR) の顔画像を低解像度 (LR) の顔画像から復元することを目的としている。
既存手法は, 再建効率が低く, 事前情報の利用が不十分であるため, 理想的ではない。
本稿では,この課題に対処するため,W-Netと呼ばれる新しいネットワークアーキテクチャを提案する。
論文 参考訳(メタデータ) (2024-06-02T09:05:40Z) - SeD: Semantic-Aware Discriminator for Image Super-Resolution [20.646975821512395]
Generative Adversarial Networks (GAN) は画像超解像(SR)タスクの鮮やかなテクスチャを復元するために広く利用されている。
1つの識別器を用いて、SRネットワークは、現実の高品質な画像の分布を敵の訓練方法で学習することができる。
簡便かつ効果的な意味認識識別器(SeD)を提案する。
SeDは、画像のセマンティクスを条件として導入することにより、SRネットワークにきめ細かい分布の学習を奨励する。
論文 参考訳(メタデータ) (2024-02-29T17:38:54Z) - CiaoSR: Continuous Implicit Attention-in-Attention Network for
Arbitrary-Scale Image Super-Resolution [158.2282163651066]
本稿ではCiaoSRと呼ばれる連続的な暗黙の注意-注意ネットワークを提案する。
我々は、周辺地域の特徴のアンサンブル重みを学習するために、暗黙の注意ネットワークを明示的に設計する。
我々は、この暗黙の注意ネットワークにスケールアウェアの注意を埋め込んで、追加の非ローカル情報を活用する。
論文 参考訳(メタデータ) (2022-12-08T15:57:46Z) - Multi-Prior Learning via Neural Architecture Search for Blind Face
Restoration [61.27907052910136]
Blind Face Restoration (BFR)は、高品質な顔画像から高品質な顔画像を復元することを目的としている。
1)手動チューニングを伴わない強力なネットワークアーキテクチャの導出方法,2) 複数の顔前者からの補完情報を1つのネットワークで取得して復元性能を向上させる方法,の2つの大きな課題がある。
特定検索空間内において,適切な特徴抽出アーキテクチャを適応的に探索する顔復元検索ネットワーク(FRSNet)を提案する。
論文 参考訳(メタデータ) (2022-06-28T12:29:53Z) - Learning Enriched Features for Fast Image Restoration and Enhancement [166.17296369600774]
本稿では,ネットワーク全体を通して空間的精度の高い高解像度表現を維持することを目的とする。
我々は、高解像度の空間的詳細を同時に保存しながら、複数のスケールからの文脈情報を組み合わせた豊富な特徴集合を学習する。
提案手法は,デフォーカス・デブロアリング,画像デノイング,超解像,画像強調など,さまざまな画像処理タスクに対して,最先端の処理結果を実現する。
論文 参考訳(メタデータ) (2022-04-19T17:59:45Z) - Improving Super-Resolution Performance using Meta-Attention Layers [17.870338228921327]
畳み込みニューラルネットワーク(CNN)は多くの超解像(SR)と画像復元タスクで素晴らしい結果を得た。
SRのIll-posed性質は、複数の異なる劣化を経た画像を正確に超解き出すのを難しくする。
メタアテンション(メタアテンション)は、任意のSR CNNが関連する劣化パラメータで利用可能な情報を活用できるようにするメカニズムである。
論文 参考訳(メタデータ) (2021-10-27T09:20:21Z) - Structure-Preserving Image Super-Resolution [94.16949589128296]
単一画像超解像(SISR)の構造
近年の研究では、フォトリアリスティック画像の復元によるSISRの開発が進められている。
しかし、回収された画像にはいまだ望ましくない構造歪みがある。
論文 参考訳(メタデータ) (2021-09-26T08:48:27Z) - Network Architecture Search for Face Enhancement [82.25775020564654]
我々は、NASFE(Network Architecture Search for Face Enhancement)と呼ばれるマルチタスクの顔復元ネットワークを提案する。
NASFEは、単一の劣化(すなわち)を含む低品質の顔画像を高めることができる。
ノイズまたはぼやけ)または複数の劣化(ノイズ+ブラル+ローライト)
論文 参考訳(メタデータ) (2021-05-13T19:46:05Z) - SFANet: A Spectrum-aware Feature Augmentation Network for
Visible-Infrared Person Re-Identification [12.566284647658053]
クロスモダリティマッチング問題に対するSFANetという新しいスペクトル認識特徴量化ネットワークを提案する。
grayscale-spectrumイメージで学習すると、モダリティの不一致を低減し、内部構造関係を検出することができる。
特徴レベルでは、特定および粉砕可能な畳み込みブロックの数のバランスをとることにより、従来の2ストリームネットワークを改善します。
論文 参考訳(メタデータ) (2021-02-24T08:57:32Z) - Structure-Preserving Super Resolution with Gradient Guidance [87.79271975960764]
単一画像超解像(SISR)の構造
最近のGAN(Generative Adversarial Network)による研究は、SISRの開発を促進している。
しかし、復元された画像には常に望ましくない構造歪みがある。
論文 参考訳(メタデータ) (2020-03-29T17:26:58Z) - Unpaired Image Super-Resolution using Pseudo-Supervision [12.18340575383456]
生成逆数ネットワークを用いた非対位画像超解像(SR)手法を提案する。
我々のネットワークは、未ペアカーネル/ノイズ補正ネットワークと擬ペアSRネットワークで構成されている。
多様なデータセットに対する実験により,提案手法は未ペアSR問題に対する既存の解よりも優れていることが示された。
論文 参考訳(メタデータ) (2020-02-26T10:30:52Z)
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。