Low-resolution face hallucination (or recognition) is a common need for security reasons as the captured suspect of interest is generally under poor image resolutions. However, the problem is hardly addressed. We are happy to share the exciting solution which yields very high performance as comparing with the state-of-the-art. The work is also to be presented in ECCV 2017, Munich, Germany.
目前人臉辨識尚待努力的方向為：逆光、光線不佳、低解析度，視角差、跨年紀、化妝（偽裝）等具挑戰性的影像。2016年暑假在紐約時剛好遇到曼哈頓的爆炸案，嫌疑犯的現場照片因為解析度過低，無法清楚辨識，之後透過各種媒體釋放出來，希望一般民眾協助尋找（如下圖，來源為europa press）。
「低解析度人臉辨識」，這是一般在安控領域時常會遇到的問題，可是卻很少被研究。
花了將近兩年的時間，我們設計了新的低解析度人臉辨識以及放大的演算法。最大的技術角度在於我們放大的目的是為了最大化人臉辨識的效果，並且彌平高解析度以及低解析度人臉之間常見的特徵值差異。這帶來額外的好處，為了達到良好的辨識效果，被放大的人臉，與其他GAN-based的方法比較，會保留跟多的細節（下圖）。
而且在兩組公開實驗數據上顯示，只要有12×14 的解析度，就有相當令人驚艷的人臉辨識結果（如下圖），甚至是在與其他頂尖的算法比較。
很高興這樣的結果即將在頂尖電腦視覺會議 ECCV 2018發表：
- Zhang et al., “Super-Identity Convolutional Neural Network for Face Hallucination.” ECCV 2018.
其中負責這些研究工作是第一個加入實驗室的中國籍研究生 Kaipeng Zhang，人臉偵測套件MTCNN的主要貢獻者。這兩年在多媒體實驗室（#CMLab）專注於人臉辨識，還帶領團隊獲得 CVPR 2018的偽裝人臉辨識冠軍。
也感謝聯發科 這兩年的經費支持，因為身分的關係，他並不能透過官方的計畫支助；還有NVIDIA透過NVIDIA AI Lab的計畫在關鍵運算資源的提供 。透過企業界的參學合作，給了我們更多彈性，可以啟發更多正向、多樣性的世界級成功案例。