核心提示
中文摘要：
人脸超分辨率能够有效提高低分辨率人脸图像的分辨率和质量，因而在视频监控、刑事侦查、娱乐等领域得到了广泛应用。然而实际场景中成像系统、记录设备、传输介质和处理方法不完善，导致噪声、模糊等降低图像质量的多种降质过程以不规则的方式组合，仅假设明确的降质过程来训练网络模型无法满足实际应用需求。针对这些实际场景中人脸超分辨率存在的多样化降质过程，分别介绍了非盲降质人脸超分辨率技术和盲降质超分辨率技术原理、人脸超分辨率领域常用的数据集和评价指标以及代表性工作的主客观重建结果。未来相关研究应聚焦多模态信息决策融合和张量融合，提升重建图像特征维度和时域相似性；通过大规模预训练和对抗学习等，提升模型泛化能力；研究身份一致性算法以及迁移学习等技术对处理复杂成像条件的影响。
关键词：
人脸超分辨率；实际场景；深度学习；降质过程
阅读全文
·END·
部分文字、数据、图、表或其他内容来源于本刊已发表论文或互联网可公开获取资料，版权归该资料版权人所有。若读者或版权人认为本文涉嫌侵权或其他问题，请联系编辑部进行及时处理。
关注《武汉工程大学学报》杂志
了解杂志
请登录官网：http://www.jwit.org.cn/
联系我们
邮箱：jwit@vip.163.com
《武汉工程大学学报》投稿作者QQ群：573604634
电话：027-87195679
地址：湖北省武汉市洪山区雄楚大街693号 武汉工程大学学报编辑部
邮编：430074
编辑：霍淑利
制作：霍淑利，吴宇轩
审核：刘生鹏，张瑞
