面向人脸超分辨率的全局结构感知与局部增强网络.pdfVIP

2222025，61（5）ComputerEngineeringandApplications计算机工程与应用

面向人脸超分辨率的全局结构感知与局部增强网络

+

谭暑秋，凌志豪，潘嘉豪，刘亚辉

重庆理工大学计算机科学与工程学院，重庆400054

+通信作者E-mail：tsq@cqut.edu.cn

摘要：针对人脸超分辨率在基于先验引导的背景下对精确的人脸关键点检测和面部对齐的依赖，这一依赖对方法

的泛化性和实用性带来了一定限制。为了克服这一问题，提出了一种全局结构感知与局部增强网络。该方法通过

双路径网络结构和特征融合，实现了全局人脸表示和局部细节表示的有效结合。全局特征路径基于多尺度残差学

习和注意力机制对整体人脸结构进行建模，局部增强路径使用估计的人脸解析图来提高重建质量，并减少网络对人

脸先验的依赖。自适应特征融合单元能够生成清晰且细节丰富的人脸图像。在CelebA和Helen数据集上的实验评

估显示，所提出的网络在人脸超分辨率结果上优于其他先进方法。

关键词：人脸超分辨率；面部幻觉；面部先验；注意力机制

文献标志码：A中图分类号：TP391.41doi：10.3778/j.issn.1002-8331.2406-0451

GlobalStructure-AwareandLocalEnhancementNetworkforFaceSuper-Resolution

+

TANShuqiu,LINGZhihao,PANJiahao,LIUYahui

CollegeofComputerScienceandEngineering,ChongqingUniversityofTechnology,Chongqing400054,China

Abstract:Aimingatthelimitationsonthegeneralizationandpracticalityoffacesuper-resolutionmethodscausedbythe

relianceonaccuratefacialkeypointdetectionandalignmentbasedonpriorknowledge,thispaperproposesaglobalstructure-

awareandlocalenhancementnetwork(GSLEN).Theglobalfeaturepathmodelstheoverallfacestructureusingmulti-

scaleresiduallearningandattentionmechanisms.Thelocalenhancementpathutilizesanestimatedfaceparsingmapto

enhancereconstructionqualityandreducethenetwork’sdependencyonfacialpriors.Finally,theadaptivefeaturefusion

unitgeneratesclearanddetail-richfaceimages.TheimprovedalgorithmisappliedtotheCelebAandHelendatasets.The

experimentalevaluationsdemonstratethattheproposednetworkoutperformsotherstate-of-the-artmethodsinfacesuper-

resolutionresults.

Keywords:facesuper-resolution;faceillusions;facepriors;attentionmechanism

人脸超分辨率（facesuperresolution，FSR）技术用究人员采用传统方法来研究人脸超分辨率，主要通过插

[3][4][5]