一种完全渐进式的单图像超分辨率方法
计算机视觉与模式识别
2018-04-11 v2
摘要
近期深度学习在单图像超分辨率上的方法已在传统误差度量和感知质量方面取得令人印象深刻的成果。然而，对于大上采样倍数，各类方法仍难以获得高质量结果。为此，我们提出一种在架构与训练上均渐进的方法（ProSR）：网络以中间步骤对图像上采样，而学习过程按课程学习的方式由易到难组织。为获得更具照片真实感的结果，我们设计了一个遵循同样渐进多尺度设计原则的生成对抗网络（GAN），名为 ProGanSR。这不仅可良好扩展至高上采样倍数（如 8x），且构成了一种原则性的多尺度方法，可同时提升所有上采样倍数的重建质量。特别地，ProSR 在 NTIRE2018 SISR 挑战赛 [34] 中按 SSIM 排第 2、按 PSNR 排第 4。与排名第一的队伍相比，我们的模型略低，但运行速度快 5 倍。
引用
@article{arxiv.1804.02900,
title = {A Fully Progressive Approach to Single-Image Super-Resolution},
author = {Yifan Wang and Federico Perazzi and Brian McWilliams and Alexander Sorkine-Hornung and Olga Sorkine-Hornung and Christopher Schroers},
journal= {arXiv preprint arXiv:1804.02900},
year = {2018}
}