English(EN) FADPNet: Frequency-Aware Dual-Path Network for Face Super-Resolution

新的FADPNet架构通过双路径处理增强面部超分辨率

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-21 04:00

研究人员开发了FADPNet，这是一种新颖的面部超分辨率（FSR）双路径网络，可有效处理低频和高频面部特征。该网络利用基于Mamba的分支处理颜色和纹理等低频分量，以及基于CNN的分支来优化轮廓等高频细节。与现有方法相比，这种方法旨在优化资源分配并提高FSR的质量和效率。 AI

影响为面部超分辨率引入了一种新颖的架构，有望提高图像增强任务的效率和质量。

排序理由该集群包含一篇详细介绍特定计算机视觉任务新模型架构的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Siyu Xu, Wenjie Li, Guangwei Gao, Jian Yang, Guo-Jun Qi, Chia-Wen Lin · 2026-07-21 04:00

FADPNet：用于人脸超分辨率的频率感知双路径网络

arXiv:2506.14121v3 Announce Type: replace Abstract: Face super-resolution (FSR) under limited computational budgets remains challenging. Existing methods often treat all facial pixels equally, leading to suboptimal resource allocation and degraded performance. CNNs are sensitive …