A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Face Super-Resolution via Triple-Attention Feature Fusion Network Super-resolução facial por meio da rede de fusão de recursos de atenção tripla

Kanghui ZHAO, Tao LU, Yanduo ZHANG, Yu WANG, Yuanzhi WANG

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

Nos últimos anos, em comparação com o algoritmo tradicional de super-resolução facial (SR), o SR facial baseado em rede neural profunda tem mostrado forte desempenho. Entre esses métodos, o mecanismo de atenção tem sido amplamente utilizado na SR facial devido à sua forte capacidade de expressão de características. No entanto, os métodos existentes de SR facial baseados em atenção não podem extrair completamente as informações de pixels ausentes de imagens faciais de baixa resolução (LR) (estrutural anterior). E consideram apenas um único mecanismo de atenção para aproveitar a estrutura do rosto. O uso de atenção múltipla pode ajudar a melhorar a representação de recursos. Para resolver este problema, propomos primeiro um novo mecanismo de atenção de pixels, que pode recuperar os detalhes estruturais dos pixels perdidos. Em seguida, projetamos um módulo de fusão de atenção para melhor integrar as diferentes características da atenção tripla. Resultados experimentais em conjuntos de dados FFHQ mostram que este método é superior aos métodos SR faciais existentes baseados em redes neurais profundas.

Publicação
IEICE TRANSACTIONS on Fundamentals Vol.E105-A No.4 pp.748-752
Data de publicação
2022/04/01
Publicitada
2021/10/13
ISSN online
1745-1337
DOI
10.1587/transfun.2021EAL2056
Tipo de Manuscrito
LETTER
Categoria
Imagem

autores

Kanghui ZHAO
  Wuhan Institute of Technology
Tao LU
  Wuhan Institute of Technology
Yanduo ZHANG
  Wuhan Institute of Technology
Yu WANG
  Wuhan Institute of Technology
Yuanzhi WANG
  Wuhan Institute of Technology

Palavra-chave