OPPO

FADPNet: Frequency-Aware Dual-Path Network for Face Super-Resolution

FADPNet：面向面部超分辨率的频率感知双路径网络

Siyu Xu, Wenjie Li, Guangwei Gao, Jian Yang, Guo-Jun Qi, Chia-Wen Lin

机构 * College of Automation, Nanjing University of Posts and Telecommunications（南京邮电大学自动化学院） ； State Key Laboratory of Integrated Services Networks, Xidian University（西安电子科技大学信息网络集成服务国家重点实验室） ； School of Artificial Intelligence, Beijing University of Posts and Telecommunications（北京邮电大学人工智能学院） ； PCA Lab, Key Laboratory of Intelligent Perception and Systems for High-Dimensional Information of Ministry of Education, School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院，教育部智能感知与高维信息处理重点实验室，PCA实验室） ； OPPO Research, Seattle, WA 98101 USA（OPPO研究，美国华盛顿州西雅图98101） 纠错

AI总结 本文提出FADPNet，通过分解面部特征为低频和高频部分，利用Mamba处理低频信息和CNN处理高频细节，实现面部超分辨率的高质量与高效率平衡。

Comments Accepted by IEEE Transactions on Multimedia