这篇论文是2021年的论文，对之前关于face super resolution的201篇相关论文的方法，loss函数，数据集等进行总结

研究部门 Department： Harbin Institute of Technology and Wuhan University
作者：Junjun Jiang、 Chenyang Wang、 Xianming Liu、 Jiayi Ma

研究方向定义（face Super resolution）

脸部超分辨率又称为脸部幻觉，是超分辨率问题的一个特殊分支。目的是对LR的人脸image进行高分辨率恢复
face super resolution方面popular的loss函数是MSE loss function，当然现在更多的是使用混合的多loss function

论文的章节分布

主要分为face super resoltion的问题前瞻，普通的超分辨率问题和人脸超分辨率问题的比较，常用datasets和评价标准，基本方法和分类等

论文的网络结构：

网络效果的性能评价标准

主要有PSNR、SSIM、FID

人脸图片的特征

前置信息、标签信息、身份信息等。

attributes

Dataset? binary? ?????. 1? match 0? mismatch

datasets

常用数据集??

论文中给出了CelebA [107] and Helen [85]的一部分图

Face Super-resolution Methods

普通方法

（红字为缺点，绿字为缺点）

Prior-guided Face Super-resolution

根据先验信息提取的顺序性分成了4类，分别为
1.先提取prior information再进行超分辨率 2.并行 3.把超分辨率的中间特征作为prior information使用 4.先进行超分辨率

以先验信息为基础的face super resolution的发展（论文时间顺序）

Prior Fusion Methods

Prior-guided Face Super-resolution的方法比较

Attribute-constrained Face Super-resolution 方法

论文列表

Attribute Knowability

不同模型中的concatenation方式

Attribute-constrained Face Super-resolution论文比较

基于身份信息的Face super-resolution

基于身份信息的相关论文列表

论文比较

基于参考信息的人脸超分辨率

Reference Face Super-resolution分为3类，对于同一个人的不同照片分为单张参考方法和多参考方法，还有第三类是参考其他人脸组件信息的方法

Reference Face Super-resolution的论文列表

Reference Face Super-resolution论文比较

Audio-guided Face Super-resolution 基于音频的人脸超分辨率

论文阅读-arXiv2021：Deep Learning-based Face Super-resolution：A Survey

原文：https://www.cnblogs.com/Adas-xp/p/14602538.html