受人类视觉系统启发的注意力以改善基于 CNN 的感知导向超分辨率的损失度量
计算机视觉与模式识别
2019-07-30 v2
摘要
深度卷积神经网络（CNN）特征已被证明是有效的感知质量特征。基于预训练 CNN 特征图的感知损失已证明对基于 CNN 的感知图像复原问题非常有效。本工作中，受人类视觉系统（HVS）与视觉感知启发，我们提出了一种基于人类对比敏感度对空间频率的依赖关系的空间注意力机制。我们基于底层空间频率识别输入图像中通常在超分辨率过程中不能被很好重建但在视觉敏感度方面最为重要的区域。基于此先验，我们设计了一个空间注意力图，将其应用于感知损失及其变体的特征图上，帮助它们识别具有更高感知重要性的区域。结果表明我们的技术提升了感知损失与上下文损失在基于 CNN 的超分辨率中生成更自然图像的能力。
引用
@article{arxiv.1904.00205,
title = {A HVS-inspired Attention to Improve Loss Metrics for CNN-based Perception-Oriented Super-Resolution},
author = {Taimoor Tariq and Juan Luis Gonzalez and Munchurl Kim},
journal= {arXiv preprint arXiv:1904.00205},
year = {2019}
}