利用增强感知超分辨率网络分析感知-失真权衡
计算机视觉与模式识别
2018-11-06 v2
摘要
基于卷积神经网络（CNN）的方法近年来在图像超分辨率（SR）方面取得了巨大成功。然而，大多数基于深度 CNN 的 SR 模型试图改善失真度量（例如 PSNR、SSIM、IFC、VIF），但导致量化感知质量较差（例如人类主观评分、无参考质量度量如 NIQE）。少数工作尝试以失真度量性能下降为代价来改善感知质量。最近的一项研究揭示，失真与感知质量相互矛盾，两者之间始终存在权衡。通常，在感知质量方面优越的恢复算法在失真度量方面表现较差。我们的工作试图分析单图像 SR 问题中失真与感知质量之间的权衡。为此，我们使用著名的 SR 架构——增强深度超分辨率（EDSR）网络，并表明可对其进行调整以在特定失真度量范围内实现更好的感知质量。虽然 EDSR 的原始网络仅基于逐像素精度来最小化误差进行训练，但我们使用以 EDSR 为生成器模块的生成对抗网络框架训练我们的网络。我们提出的网络称为增强感知超分辨率网络（EPSR），使用均方误差损失、感知损失和对抗损失的组合进行训练。我们的实验表明，EPSR 在失真与感知质量之间实现了 SOTA 权衡，而现有方法仅能在其中一项度量上表现良好。
引用
@article{arxiv.1811.00344,
title = {Analyzing Perception-Distortion Tradeoff using Enhanced Perceptual Super-resolution Network},
author = {Subeesh Vasu and Nimisha Thekke Madam and Rajagopalan A. N},
journal= {arXiv preprint arXiv:1811.00344},
year = {2018}
}