論文の概要: Deep Learning-based Face Super-resolution: A Survey

• arxiv url: http://arxiv.org/abs/2101.03749v1
• Date: Mon, 11 Jan 2021 08:17:11 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-04 14:42:55.714851
• Title: Deep Learning-based Face Super-resolution: A Survey
• Title（参考訳）: ディープラーニングに基づく顔の超解像:調査
• Authors: Junjun Jiang, Chenyang Wang, Xianming Liu, and Jiayi Ma
• Abstract要約: 顔の超解像、別名顔の幻覚は、ドメイン固有のイメージの超解像問題です。 現在、深層学習に基づく顔の超解像に関する研究の要約は少ない。 本調査では,超解像面における深層学習の手法を体系的に総合的に検討する。
• 参考スコア（独自算出の注目度）: 78.11274281686246
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Face super-resolution, also known as face hallucination, which is aimed at enhancing the resolution of low-resolution (LR) one or a sequence of face images to generate the corresponding high-resolution (HR) face images, is a domain-specific image super-resolution problem. Recently, face super-resolution has received considerable attention, and witnessed dazzling advances with deep learning techniques. To date, few summaries of the studies on the deep learning-based face super-resolution are available. In this survey, we present a comprehensive review of deep learning techniques in face super-resolution in a systematic manner. First, we summarize the problem formulation of face super-resolution. Second, we compare the differences between generic image super-resolution and face super-resolution. Third, datasets and performance metrics commonly used in facial hallucination are presented. Fourth, we roughly categorize existing methods according to the utilization of face-specific information. In each category, we start with a general description of design principles, present an overview of representative approaches, and compare the similarities and differences among various methods. Finally, we envision prospects for further technical advancement in this field.
• Abstract（参考訳）: 顔の高解像度画像を生成するために、低解像度(LR)画像または一連の顔画像の解像度を高めることを目的とした、顔の高解像度化(英語版)とも呼ばれる。 近年,顔の超解像が注目され,深層学習技術で目立った進歩が見られた。 現在、深層学習に基づく顔の超解像に関する研究の要約は少ない。 本稿では,超解像面における深層学習手法を体系的に概観する。 まず,顔の超解像に関する問題定式化について概説する。 第2に、汎用画像の超解像と顔の超解像の違いを比較する。 第3に、顔幻覚で一般的に使用されるデータセットとパフォーマンスメトリクスを示す。 第4に,顔特定情報の利用により,既存の手法を大まかに分類する。 各カテゴリでは,設計原則の一般的な説明から始めて,代表的なアプローチの概要を示し,その類似点と相違点を比較する。 最後に,この分野におけるさらなる技術進歩の展望について考察する。

関連論文リスト

• Super-Resolving Face Image by Facial Parsing Information [52.1267613768555]
  顔超解像は、低解像度の顔画像を対応する高解像度の画像に変換する技術である。 我々は,低解像度の顔画像から先行する顔を抽出する,新しい解析マップ付き顔超解像ネットワークを構築した。 高解像度特徴はより正確な空間情報を含み、低解像度特徴は強い文脈情報を提供する。
  論文  参考訳（メタデータ） (2023-04-06T08:19:03Z)
• 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)
• Guided Depth Map Super-resolution: A Survey [88.54731860957804]
  誘導深度マップ超解像(GDSR)は、高分解能(HR)深度マップを低分解能(LR)観測から2枚のHRカラー画像の助けを借りて再構成することを目的としている。 近年,特に強力な深層学習技術を用いて,斬新で効果的なアプローチが多数提案されている。 この調査は、GDSRの最近の進歩に関する包括的調査を提示する試みである。
  論文  参考訳（メタデータ） (2023-02-19T15:43:54Z)
• A survey on facial image deblurring [3.6775758132528877]
  顔画像がぼやけていると、顔認識などのハイレベルな視覚タスクに大きな影響を与えます。 本稿では,最近発表された顔画像の難読化手法について概説し,その大部分はディープラーニングに基づくものである。 本稿では,データセットとメトリクスにおける古典的手法の性能を示すとともに,モデルに基づく手法と学習に基づく手法の違いについて,簡単な議論を行う。
  論文  参考訳（メタデータ） (2023-02-10T02:24:56Z)
• 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)
• LR-to-HR Face Hallucination with an Adversarial Progressive Attribute-Induced Network [67.64536397027229]
  顔の超解像は難しい問題であり、非常に不適切な問題である。 顔の特徴を取り入れたエンドツーエンドのプログレッシブ・ラーニング・フレームワークを提案する。 提案手法は,他の最先端アプローチよりも良好な顔幻覚像が得られることを示す。
  論文  参考訳（メタデータ） (2021-09-29T19:50:45Z)
• Analysis and evaluation of Deep Learning based Super-Resolution algorithms to improve performance in Low-Resolution Face Recognition [0.0]
  超解像アルゴリズムは、関係する被験者の識別特性を回復することができる。 このプロジェクトは、顔の超解像のタスクのための異なるディープニューラルネットワークアーキテクチャを評価し、適応することを目的とした。 実験により、一般的なスーパーレゾリューションアーキテクチャは、高レゾリューション顔で訓練されたディープニューラルネットワークのフェイス検証性能を向上させることが判明した。
  論文  参考訳（メタデータ） (2021-01-19T02:41:57Z)
• Face Super-Resolution Guided by 3D Facial Priors [92.23902886737832]
  シャープな顔構造を把握した3次元顔先行情報を明示的に組み込んだ新しい顔超解像法を提案する。 我々の研究は、顔属性のパラメトリック記述の融合に基づく3次元形態的知識を初めて探求したものである。 提案した3D先行画像は、最先端技術よりも優れた顔超解像結果が得られる。
  論文  参考訳（メタデータ） (2020-07-18T15:26:07Z)

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。