题目：Deep Cascaded Bi-Network forFace Hallucination
中文：深度幻觉双级联网络
代码：
http://mmlab.ie.cuhk.edu.hk/projects/CBN.html.
摘要
- 我们提出了一种新颖的框架，用于幻化
不受约束的姿势并且分辨率非常低的面部（面部尺寸小至5pxIOD1）。与现有研究大多忽略或假设预先对齐的人脸空间配置（例如人脸地标定位或密集对应字段）相反，我们在统一框架中交替优化了两个互补任务，即人脸幻觉和密集对应字段估计。此外，我们提出了一个新的深度双向网络，该网络包含两个功能特定的分支，以恢复不同级别的纹理细节。大量的实验表明，这种配方可以在狂野的低分辨率面部上带来出色的幻觉质量，并具有明显的姿势和照明变化。
背景：现有的方法大多数只能处理预先对齐的人脸
方法：提出了一个新的深度双向网络，`该网络包含两个功能特定的分支，以恢复不同级别的纹理细节
结论：在野外的低分辨率面部上带来出色的幻觉质量，并具有明显的姿势和照明变化。
引言
- 在下文中，我们将所提出的框架称为级联双网络（CBN）。我们的贡献如下：
- 1。在低分辨率图像上进行幻觉或密集的人脸对应场时，我们通过一种新颖的任务交替级联框架来规避此问题。与现有方法相比，此框架具有吸引人的特性，即不假设预先对齐的输入或空间信息的任何可用性（例如地标，解析地图）
- 2。我们提出了一个封闭的深层双向网络，它可以有效地利用人脸的空间先验来恢复和合成甚至在低分辨率输入中没有明确表示的纹理细节。
- 3。我们探索输入面部分辨率的下限以恢复合理且高质量的细节，并提供广泛的结果和讨论。我们在各种基准上针对通用的超分辨率和面部卤化方法进行了广泛的实验。我们的方法不仅可以达到较高的峰值信噪比（PSNR），而且在感知上也可以达到卓越的质量。演示代码将在我们的项目页面中提供：
结论
- 我们提出了一种新颖的框架，用于在较大形状变形和外观变化下产生幻觉的脸。归因于以交替的方式自适应地精炼密集的对应场和幻觉脸的特定能力，我们获得了最先进的性能和视觉上吸引人的定性结果。在高频先验的指导下，我们的框架在幻觉过程中充分利用了空间线索。
图1.（a）原始高分辨率图像。 （b）大小为5pxIOD的低分辨率输入。 （c）双三次插值的结果。 （d）拟议的面部幻觉框架概述。实线箭头表示幻觉步骤，该幻觉步骤以空间提示（即密集的对应字段）幻化面部。虚线箭头表示估计密集对应字段的空间预测步骤
图2可视化建议的门控深层双向网络效果的示例（a）输入的三次三次插值。 （b）仅启用公共分支的结果。 （c）仅启用高频分支的结果。 （d）当两个分支都启用时，建议的CBN的结果。 （e）原始高分辨率图像。放大电子版本可最佳观看。
图3.（a，b）表示人脸模板M和人脸图像I.网格表示密集的对应字段W（z）。由该扭曲函数W（z）确定的从z到z的扭曲。 （c，d）说明（b）中样本图像的高频先验E和翘曲EW之后的先验。请注意，两个EandEWhaveCchannels。每个频道仅包含一个“轮廓线”。出于可视化的目的，在此图中，我们通过最大操作将其通道尺寸减小为一个通道。为了清楚起见，我们省略了所有索引。最佳电子版观看
