Resumen

La superresolucin de imgenes faciales consiste en recuperar una imagen facial de alta resolucin a partir de una de baja resolucin. En los ltimos aos, debido a los avances en el aprendizaje de representaciones profundas para la superresolucin, el estudio de la superresolucin facial se ha convertido en uno de los temas candentes en el campo de la superresolucin. Sin embargo, el rendimiento de estos enfoques basados en el aprendizaje profundo depende en gran medida de la escala de las muestras de entrenamiento y su eficiencia en aplicaciones en tiempo real es limitada. Para abordar estos problemas, en este trabajo introducimos un nuevo mtodo basado en la teora de imgenes paralelas y OpenVINO. En particular, inspirndonos en la metodologa de aprendizaje por sntesis en imgenes paralelas, proponemos aprender a partir de la combinacin de imgenes de caras virtuales y reales. Adems, introducimos una funcin de prdida central tomada del modelo profundo para mejorar la robustez de nuestro modelo y proponemos aplicar OpenVINO para acelerar la inferencia. Hasta donde sabemos, es la primera vez que se aborda el problema de la superresolucin facial basndose en la metodologa de imgenes paralelas y OpenVINO. Los amplios resultados experimentales y las comparaciones con los conjuntos de datos pblicos LFW, WebCaricature y FERET demuestran la eficacia y eficiencia del mtodo propuesto.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Imagen facial; Superresolución; Aprendizaje profundo; OpenVINO; Teoría paralela de la imagen; Muestras de entrenamiento
• Keywords:Face image; Super-resolution; Deep learning; OpenVINO; Parallel imaging theory; Training samples