DICGAN(CVPR2020，人脸SR)Deep Face Super-Resolution with Iterative Collaboration between Attentive Recov

 

Deep Face Super-Resolution with Iterative Collaboration between Attentive Recovery and Landmark Estimation

文章地址：https://arxiv.org/pdf/2003.13063.pdf

项目地址：https://github.com/Maclory/Deep-Iterative-Collaboration

本文与SPSR(cvpr2020)是同一作者，清华大学自动化学院。

人脸超分辨率英文可表述为：Face Super-Resolution 或 Face hallucination

abstract     1、简介    2、相关工作：

人脸sr依赖于脸部的先验信息，这些先验信息包括了人脸图像的特征点和构成图等。但是目前的先验信息都是通过低分辨率的人脸图像得到，导致先验信息不准确。

脸部图像的外形轮廓可以作为先验知识，从而来更好的完成修复。

目前先验信息存在的问题：

1、先验信息也是由低分辨率的图像得来的，导致其不准确。

2、大多数方法将先验信息和图像恢复视为一个多任务问题，将先验信息通过concat的方式简单的进行融合。

本文提出了一种深度迭代合并的网络。具体工作如下：

1、设计了一个两分支的网络结构。一个分支为了人脸的恢复，另一个分支用于人脸特征点的计算。两个分支互相逐步促进。有这个想法是因为：the SR ranch can generate high-fidelity face images with the guidance of accurate landmark maps and the al