天天射天天操天天干,蜜芽成人社区,9毛片,亚洲搞搞,操B无码视频,欧美视频网站在线观看,欧美成人精品无,日本精品久久

目前主流的人臉超分辨率方法大多采用深度卷積神經(jīng)網(wǎng)絡(luò)，通過探索局部外觀知識(shí)來學(xué)習(xí)低分辨率和高分辨率面部模式之間的映射。然而，大多數(shù)這些方法不能很好地利用面部結(jié)構(gòu)和身份信息，并且難以處理具有較大姿勢變化的面部圖像。本文提出了一種新穎的人臉超分辨率方法，該方法顯式地結(jié)合了 3D 人臉先驗(yàn)知識(shí)，從而抓住了清晰的人臉結(jié)構(gòu)。本文工作是第一個(gè)基于對面部屬性（例如身份、面部表情、紋理、照明和面部姿勢）的參數(shù)描述進(jìn)行融合來探索 3D 可變形知識(shí)的工作。此外，先驗(yàn)知識(shí)可以很容易合并到任何網(wǎng)絡(luò)中，并且在提高性能和加快收斂速度方面非常有效。本文算法流程如下，

首先，建立 3D 人臉渲染分支以獲得顯著的人臉結(jié)構(gòu)和身份信息的 3D 先驗(yàn)知識(shí)。
其次，空間注意力模塊用于更好地利用此分層信息（即強(qiáng)度相似度、3D 面部結(jié)構(gòu)和身份信息）解決超分辨率問題。

本文提出的人臉超分辨率架構(gòu)如下圖所示。我們的模型包括兩個(gè)分支: 頂部模塊是一個(gè) ResNet-50 網(wǎng)絡(luò)，用于提取 3D 面部模型（3DMM）的系數(shù)并恢復(fù)清晰的面部渲染結(jié)構(gòu)。底部模塊專用于由面部系數(shù)引導(dǎo)的面部超分辨率，并通過空間特征變換（SFT）層將其渲染為清晰的面部結(jié)構(gòu)。

其中，3D 人臉重建過程概括如下，

面部圖像的 3D 形狀可以通過 3D 面部重建方法從不受約束的 2D 圖像中獲取。
基于對面部屬性（例如性別、身份和獨(dú)特性）的參數(shù)描述的融合，采用 3D 可變形模型（3DMM）來重建 3D 面部先驗(yàn)。

3D 重建的面部將繼承面部特征，并呈現(xiàn)清晰的面部成分。

大量的實(shí)驗(yàn)表明，與現(xiàn)有技術(shù)相比，本文提出的 3D 先驗(yàn)技術(shù)具有出色的人臉超分辨率結(jié)果。

關(guān)于更多的技術(shù)細(xì)節(jié)，有興趣的同學(xué)可以參閱論文^[1]。

?參考資料?

[1]

論文: https://arxiv.org/pdf/2007.09454v1.pdf

你有沒有覺得，

論文太多，根本看不過來！

但又想了解熱點(diǎn)、緊跟前沿。

本系列就是讓大家解放雙眼，

用耳朵更輕松地了解最新的研究工作。

多聽，或許可以從另一維度激發(fā)你的靈感。

ECCV 2020 論文速聽

?參考資料?