005 - 文章阅读笔记：综述 基于深度学习的人脸超分辨率：全面调研 - 知乎 - CVer计算机视觉

链接：

综述 | 基于深度学习的人脸超分辨率：全面调研 - 知乎 - CVer计算机视觉（√）

综述 | 基于深度学习的人脸超分辨率：全面调研

40页综述，共计202篇参考文献！本文对人脸超分辨率的深度学习技术进行了全面调研，对诸多算法进行分类和介绍，并盘点了代表性工作，以及常用的数据集和性能指标！

Deep Learning-based Face Super-resolution: A Survey

作者单位：哈工大（刘贤明团队），武汉大学(马佳义)
论文：Deep Learning-based Face Super-resolution: A Survey

人脸超分辨率，也称为face hallucination，旨在提高一个低分辨率（LR）或一系列人脸图像的分辨率以生成相应的高分辨率（HR）人脸图像。

近年来，人脸超分辨率得到了极大的关注，并且见证了深度学习技术的惊人发展。迄今为止，关于基于深度学习的人脸超分辨率的研究的总结很少。

盘点过去十年的人脸超分辨率的综述：

在本次调研中，我们以系统的方式对人脸超分辨率的深度学习技术进行了全面综述。

首先，我们总结了人脸超分辨率的问题表述。

其次，我们比较了普通图像超分辨率和人脸超分辨率之间的差异。

第三，介绍了常用的数据集和性能指标。

PSNR、Structural Similarity、FID

第四，我们根据特定于人脸的信息对现有方法进行粗略分类。

在每个类别中，我们从设计原理的一般描述开始，给出代表性方法的概述，并比较各种方法之间的异同。

alec：

• PEN是先验估计网络，SRN是超分网络。FEN是特征提取网络。P是先验信息。

最后，我们展望了该领域进一步技术发展的前景。