Multiple Exemplars-based Hallucination for Face Super-resolution and Editing(ACCV2020)

做什么任务?

-人脸超分(general SR process as ”face/facial hallucination”)和人脸编辑(”face editing” to the task where new features are injected)

人脸编辑的传统做法/本文做法:

条件GAN通过修改预先定义的离散视觉特征来生成图像(没有看传统做法)/本文模型通过使用Multiple-exemplar可以动态生成具有任意人脸特征的HR人脸图像。

Motivation?

-不利用人脸先验(landmark,heat map),而是依赖于图像内容的先验知识

(图像内容的先验知识指的是multiple-reference images/exemplars/guidance images/side-information)---好处?可以解决超分中ill-posed问题,不依赖特定的人脸先验,所以该模型可以适用于自然图像超分

为什么利用Multiple-exemplar而不是一个参考图像?

-Multiple exemplars work better than a single one

-This gives more flexibility, as it allows the network to pick the visual features that best fit the LR input image, in terms of facial expression, illumination or pose.

如何利用Multiple-exemplar?

-设计pixel-wise weight generation module/Weighted pixel average(PWAve)module.

PWAve目标是学习如何更好地组合exemplars的feature map(选择exemplar中有用的区域信息)。这样做的目的是让模型能够自由地学习更合适的组合方法,而不是常用的平均法[1](后边有消融实验图)。Intuition:exemplar可以描述不同的特征,例如人脸表情、角度、化妆等(这些特征出现在LR图像中)。

-对于图3的解释(多张参考图像如何送入Encoder,下边这段话没提[猜想concate或add],只解释了encoder输出的feature map形状中的K指的是参考图像的个数):

权重W的可视化图如下:

参考图像个数的消融实验:

PWA模型的消融实验:

2-14-Multiple Exemplars-based Hallucination for Face Super-resolution and Editing(ACCV2020)相关推荐

  1. 【图像超分辨率】Remote Sensing Imagery Super Resolution Based on Adaptive Multi-Scale Feature Fusion Network

    对于遥感图像的超分辨率,本文提出了一种自适应多尺度特征融合网络(AMFFN). AMFFN 可以直接从原始低分辨率图像中提取密集特征,而无需任何图像插值预处理.串联几个自适应多尺度特征过滤块(AMFE ...

  2. AAAI2020录用论文汇总(一)

    本文汇总了截至2月23日arxiv上上传的所有AAAI2020录用论文,共计629篇,因篇幅过长,分为三部分,分享给大家.    AAAI2020论文汇总(part 1) [1] MA-DST: Mu ...

  3. 转发--目前开源数据集整理

    --------------------- 本文来自 忘情摆渡 的CSDN 博客 ,全文地址请点击:https://blog.csdn.net/wangqingbaidu/article/detail ...

  4. 开源数据集,较全,且有对应连接

    https://www.cnblogs.com/xiaojianliu/p/9446358.html 开源数据集 下载人相关分割3D很多 https://blog.csdn.net/zhou89450 ...

  5. Paper翻译:《A Novel Convolutional Neural Network Based Model for Recognition and Classification of App》

    论文名称:<A Novel Convolutional Neural Network Based Model for Recognition and Classification of Appl ...

  6. Odoo 14 手册 库存管理 盘点 到按成本 先进先出 追溯 批次 序列号 自动化路线

    盘点所有最终结果操作所承诺的每家公司的各个方面.公司的最终结果是发生在公司库存中的产品移动和存储.此外,这是一个所有高级.复杂和简单的策略管理操作亭应该一起工作以达到预期效果的区域. Odoo 软件认 ...

  7. Multiple Inheritance Considered Useful

    转 Multiple Inheritance Considered Useful 这篇博文较长,需要耐心看完 Multiple Inheritance Considered Useful By Jac ...

  8. thinking-in-java(14)类型信息

    [0]开场白 1)运行时类型信息使得你可以在程序运行时发现和使用类型信息: 2)java是如何在运行时识别对象和类信息的?两种方式: 方式1)传统的RTTI(RunTime Type Identifi ...

  9. (十三:2020.08.28)CVPR 2015 追踪之论文纲要(译)

    CVPR 2020 追踪之论文纲要(修正于2020.08.27) 讲在前面 论文目录 讲在前面 论坛很多博客都对论文做了总结和分类,但就医学领域而言,对这些论文的筛选信息显然需要更加精细的把控,所以自 ...

最新文章

  1. Nature:何胜洋和辛秀芳组发表植物叶际微生物组稳态机制
  2. apollo 配置中心_apollo-1:apollo配置中心单机模拟分布式部署
  3. hdu1728--------坑爹啊
  4. Java类集-list
  5. 短信计费(信息学奥赛一本通-T1398)
  6. Mr.J--简单页面制作
  7. Linux 引入自动化测试平台 KernelC
  8. 可悲的外企Infrastructure - 些须感触(杂)
  9. 关于Ip地址分配规则(IPV4)
  10. javascript数字补零
  11. Blocking waiting for file lock on package cache
  12. GIS_gdal geotiff文件与C# 数组array之间的转换
  13. 【从零开始学架构-李运华】开篇词|照着做,你也能成为架构师!
  14. 记一个阿里巴巴 平台型产品经理 面试
  15. 85条高级AutoCAD工程师绘图技巧(2)
  16. 太阳能光伏自动跟踪追日逐日实训系统QY-PV20
  17. 疫情“放大”了无人配送的价值
  18. 英国大学计算机科学硕博连读,曼彻斯特大学硕博连读
  19. 抖音快手民俗的作品制作方法
  20. 加州大学圣地亚哥计算机硕士申请,多次催促 成功申请加州大学圣地亚哥分校计算机科学...

热门文章

  1. 5.23 通过自定义筛选查找指定城市的指定工作人员 [原创Excel教程]
  2. 我的世界 服务器文件ess,求助服务器ess插件报错怎么解
  3. 自动取款机 冲正交易
  4. body与html 会有间隙,css – thead和tbody之间的间距
  5. ORACLE错误一览表(转)
  6. C++ increment/decrement/dereference 操作符典型写法
  7. Java kafka producer 的常用参数的意义说明及默认值
  8. IntelliJ idea2017 安装破解
  9. 2016教师节微信祝福语大全
  10. Mysql入门到放弃