杨巨成，左美然，魏 峰，孙 笑，白亚欣，王 嫄，陈亚瑞

(1. 天津科技大学人工智能学院，天津 300457；2. 天津科技大学机械工程学院，天津 300222)

人脸超分辨率(face super-resolution，FSR)是一种低水平的计算机视觉任务，其目标是从低分辨率输入中恢复高分辨率人脸图像，提高后续人脸图像任务的性能，如人脸对齐[1]、人脸检测[2-3]和人脸识别[4-6].随着深度学习的发展，尽管人脸超分辨率方法提供了很多解决方案，但是这些方法依然存在以下两个问题.

一方面，目前典型的方法[7-8]利用前馈结构，从输入的低分辨率图像计算一系列中间特征，通过一次或有限次上采样操作直接增加图像分辨率到最终高分辨率结果．SRCNN[9]对输入的低分辨率图像直接进行插值上采样到最终尺寸，然后再进行特征提取和重建．FSRNet[10]设计了编码解码的结构，在编码器中对低分辨率输入进行一次上采样到中间表示，然后通过解码器对提取的特征进一步上采样到最终尺寸．此外，LapSRN[11]和EDSR[12]利用多个上采样子网络，逐步对低分辨率输入进行上采样．上述这些方法采用前馈结构，然而人类视觉系统更倾向于使用反馈连接指导任务[13]．因此，这些网络由于缺乏反馈难以充分表示低分辨率输入到高分辨率结果的映射，特别是在放大倍数较大(如8倍放大)的情况下导致生成图像存在模糊、纹理粗糙等问题．

另一方面，人脸超分辨率方法的解空间随着放大倍数的增加呈指数增长，所以研究者们尝试使用强大的人脸先验约束生成……