論文の概要: Arbitrary-Resolution and Arbitrary-Scale Face Super-Resolution with Implicit Representation Networks

• arxiv url: http://arxiv.org/abs/2511.16341v1
• Date: Thu, 20 Nov 2025 13:21:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-21 17:08:52.637321
• Title: Arbitrary-Resolution and Arbitrary-Scale Face Super-Resolution with Implicit Representation Networks
• Title（参考訳）: 入射表現ネットワークを用いた任意分解と任意スケール顔超解
• Authors: Yi Ting Tsai, Yu Wei Chen, Hong-Han Shuai, Ching-Chun Huang,
• Abstract要約: フェース・スーパーレゾリューション(FSR)は、低解像度の顔画像を改善するための重要な技術である。 本稿では,暗黙的表現ネットワーク(ARASFSR)を用いたArbitrary-Resolution and Arbitrary-Scale FSR法を提案する。 ARASFSRは2次元の深い特徴、局所的な相対座標、およびアップサンプリングスケール比を用いて、各ターゲットピクセルのRGB値を予測し、アップサンプリングスケールで超解像を可能にする。
• 参考スコア（独自算出の注目度）: 37.075582998671905
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Face super-resolution (FSR) is a critical technique for enhancing low-resolution facial images and has significant implications for face-related tasks. However, existing FSR methods are limited by fixed up-sampling scales and sensitivity to input size variations. To address these limitations, this paper introduces an Arbitrary-Resolution and Arbitrary-Scale FSR method with implicit representation networks (ARASFSR), featuring three novel designs. First, ARASFSR employs 2D deep features, local relative coordinates, and up-sampling scale ratios to predict RGB values for each target pixel, allowing super-resolution at any up-sampling scale. Second, a local frequency estimation module captures high-frequency facial texture information to reduce the spectral bias effect. Lastly, a global coordinate modulation module guides FSR to leverage prior facial structure knowledge and achieve resolution adaptation effectively. Quantitative and qualitative evaluations demonstrate the robustness of ARASFSR over existing state-of-the-art methods while super-resolving facial images across various input sizes and up-sampling scales.
• Abstract（参考訳）: フェース・スーパーレゾリューション(FSR)は、低解像度の顔画像を改善するための重要な技術であり、顔に関連したタスクに重大な影響を及ぼす。 しかし、既存のFSR法は、固定されたアップサンプリングスケールと入力サイズの変化に対する感度によって制限されている。 これらの制約に対処するために,暗黙的表現ネットワーク(ARASFSR)を用いたArbitrary-Resolution and Arbitrary-Scale FSR法を提案する。 まず、ARASFSRは2次元の深い特徴、局所的な相対座標、およびアップサンプリングスケール比を用いて、ターゲット画素ごとのRGB値を予測し、アップサンプリングスケールで超解像を可能にする。 第2に、局所周波数推定モジュールは、高周波顔テクスチャ情報をキャプチャして、スペクトルバイアス効果を低減する。 最後に、グローバル座標変調モジュールは、FSRを誘導して、事前の顔構造知識を活用し、解像度適応を効果的に達成する。 定量的および定性的な評価は、様々な入力サイズとアップサンプリングスケールの顔画像を超解きながら、既存の最先端手法よりもARASFSRのロバスト性を示す。

関連論文リスト

• SRSR: Enhancing Semantic Accuracy in Real-World Image Super-Resolution with Spatially Re-Focused Text-Conditioning [59.013863248600046]
  本稿では,空間的に再焦点を絞ったテキストコンディショニングを推論時に洗練する超解像フレームワークを提案する。 第二に,非接地画素に対するテキストの影響を選択的に回避し,幻覚を防ぐ空間的自由誘導機構を導入する。
  論文  参考訳（メタデータ） (2025-10-26T05:03:55Z)
• FADPNet: Frequency-Aware Dual-Path Network for Face Super-Resolution [70.61549422952193]
  計算コストの制限による顔超解像(FSR)は未解決の問題である。 既存のアプローチでは、全ての顔のピクセルを等しく扱い、計算資源を最適以下に割り当てる。 本稿では、低周波成分と高周波成分に顔の特徴を分解する周波数対応デュアルパスネットワークであるFADPNetを提案する。
  論文  参考訳（メタデータ） (2025-06-17T02:33:42Z)
• $\text{S}^{3}$Mamba: Arbitrary-Scale Super-Resolution via Scaleable State Space Model [45.65903826290642]
  ASSRは、1つのモデルを用いて、任意のスケールで低解像度画像を高解像度画像に超解き放つことを目的としている。 拡張性のある連続表現空間を構築するために,$textS3$Mambaと呼ばれる新しい任意のスケール超解法を提案する。
  論文  参考訳（メタデータ） (2024-11-16T11:13:02Z)
• Learning Dual-Level Deformable Implicit Representation for Real-World Scale Arbitrary Super-Resolution [81.74583887661794]
  整数と非整数のスケーリング要素を併用した,新しい実世界のスーパーレゾリューションベンチマークを構築した。 実世界の任意の超解像を解くために,Dual-level Deformable Implicit Representation (DDIR)を提案する。 実世界の任意の超解像のためのRealArbiSRおよびRealSRベンチマークの最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-03-16T13:44:42Z)
• Balancing Efficiency and Quality: MoEISR for Arbitrary-Scale Image Super-Resolution [11.256166497045792]
  我々は、新しい効率的なフレームワーク、Mixture-of-Experts Implicit Super-Resolution(MoEISR)を紹介する。 MoEISRは、軽量マッパーモジュールを使用して、最も適切なデコードの専門家を各ピクセルに動的に割り当てる。 実験により,MoEISRはピーク信号対雑音比 (PSNR) と同等あるいは優れたピーク信号対雑音比 (PSNR) を提供しながら,大量の浮動小数点演算 (FLOPs) を効果的に低減できることを示した。
  論文  参考訳（メタデータ） (2023-11-20T05:34:36Z)
• SSIF: Learning Continuous Image Representation for Spatial-Spectral Super-Resolution [73.46167948298041]
  本稿では,空間領域における連続画素座標とスペクトル領域における連続波長の両方の関数として,画像を表すニューラル暗黙モデルを提案する。 SSIFは空間分解能とスペクトル分解能の両方によく対応していることを示す。 ダウンストリームタスクのパフォーマンスを1.7%-7%向上させる高解像度画像を生成することができる。
  論文  参考訳（メタデータ） (2023-09-30T15:23:30Z)
• 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)
• 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)
• Hierarchical Deep CNN Feature Set-Based Representation Learning for Robust Cross-Resolution Face Recognition [59.29808528182607]
  クロスリゾリューション顔認識(CRFR)は、インテリジェントな監視およびバイオメトリックフォレンジックにおいて重要である。 既存の浅層学習と深層学習に基づく手法は、HR-LR対を共同特徴空間にマッピングすることに焦点を当てている。 本研究では,多レベル深層畳み込みニューラルネットワーク(CNN)の機能を完全に活用し,堅牢なCRFRを実現することを目的とする。
  論文  参考訳（メタデータ） (2021-03-25T14:03:42Z)
• Feature Super-Resolution Based Facial Expression Recognition for Multi-scale Low-Resolution Faces [7.634398926381845]
  超解像法はしばしば低分解能画像の高精細化に使用されるが、FERタスクの性能は極低分解能画像では制限される。 本研究では,物体検出のための特徴的超解像法に触発されて,頑健な表情認識のための新たな生成逆ネットワークに基づく超解像法を提案する。
  論文  参考訳（メタデータ） (2020-04-05T15:38:47Z)

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。