摘要

为了充分利用人脸图像的内在结构、人脸数据集所蕴含的集体信息，以及上采样过程中产生的中间估计信息，本文提出一种全卷积的多阶段神经网络，用于实现人脸图像的4×超分辨率重建。我们通过引入一个分割网络，隐式地构建面向面部组件的注意力图，使网络能够聚焦于人脸固有的结构特征。网络的每一阶段均由一个主干层（stem layer）、一个残差主干网络（residual backbone）以及空间上采样层构成。我们通过反复应用多个阶段来逐步重建中间图像，并利用其空间到深度（space-to-depth）变换后的版本，实现图像质量的递进式提升与优化。实验结果表明，与当前最先进的方法相比，本文提出的人脸超分辨率方法在定量指标和主观视觉效果方面均取得了更优的表现。