你看今年cvpr的这篇文章,提供了一种写文章的思路:基本上算是拿GAN在face super resolution上应用,自然要在低分辨率的tiny face上做。这种工作意义大不大还真不好说,但是做的performance好了发cvpr还是没问题的,因为它看起来很新:做人脸检测太多,但做tiny人脸检测要少很多,而且性能还没有饱和。但如果是拿faster rcnn一类做tiny人脸检测,估计这样的文章也已经有很多了。这篇文章的作者,把火热中的GAN整合进来,之前还真没有多少拿GAN做tiny人脸检测的文章。类似的,在人脸表情识别中,有没有tiny人脸表情的数据集,有没有人拿来super resolution tiny face expressions,不太知道需要调研。不是说直接套这个思路,就是想表明,如果只是做一篇cvpr文章的话,做个something different from existing works,一个工作总有A+B+C个componnent,组合起来没有人做过也是可以的。但是,再说一遍,这样组合起来有没有实际意义,也就是说是不是一个广泛有兴趣的真问题,那事另外一回事。只是个人观点,一点闲言碎语,不带感情色彩,没戴有色眼镜,原作者请勿介意,读者自行斟酌,阅读原文才是真谛。
Finding Tiny Faces in the Wild With Generative Adversarial Network 感想
GAN在TinyFace上的应用
最新推荐文章于 2020-03-03 20:27:03 发布
本文探讨了将GAN应用于低分辨率tiny face超分辨率的研究趋势。文章指出,虽然做人脸检测的工作较多,但在tiny face检测及提升其分辨率方面仍存在研究空白。通过整合GAN技术进行tiny face超分辨率,不仅可以开辟新的研究方向,还可能解决实际问题。
部署运行你感兴趣的模型镜像
您可能感兴趣的与本文相关的镜像
Stable-Diffusion-3.5
图片生成
Stable-Diffusion
Stable Diffusion 3.5 (SD 3.5) 是由 Stability AI 推出的新一代文本到图像生成模型,相比 3.0 版本,它提升了图像质量、运行速度和硬件效率
3758

被折叠的 条评论
为什么被折叠?



