基于多尺度特征融合的属性已知人脸图像超分辨率

卷积神经网络凭借其强大的表征能力，在图像超分辨率任务上取得了许多令人满意的结果。许多基于神经网络的方法采用增加网络深度的方式，存在存储空间消耗多、实用性不强的问题。为解决该问题，该文提出一种基于多尺度特征融合的属性感知人脸图像超分辨率网络。该文借助局部残差模块和逐元素相加的融合方式以减少网络复杂性并提炼出表征能力优秀的多尺度特征。该文构建一个可自适应地融合多尺度特征和人脸先验的属性感知模块，使得网络学习到更丰富的语义信息。该文提出的网络由多个网络子模块级联构成，并通过一个多层次特征融合模块进行共同学习。试验表明：该文方法能取得良好的超分辨率性能，输出更加真实的人脸图像，可以通过调整人脸属性信息进行人脸图像生成效果的操纵。