通过图像质量预测器增强感知超分辨率
计算机视觉与模式识别
2025-04-28 v1
摘要
超分辨率 (SR) 是计算机视觉中的经典反问题，具有内在不唯一性，导致每个输入都有一组可能的解。然而，期望结果并非该分布的简单期望值（即通过最小化像素级误差获得的模糊图像），而是具有最高图像质量的样本。 perceptual 指标和对抗损失等多种技术已被用于此目的。本文探讨了另一种方法：在 SR 语境中利用强大的非参考图像质量评估 (NR-IQA) 模型。我们对 NR-IQA 指标在基于人类的 SR 数据上的综合分析中，识别了不同指标在准确性（人类对齐）和互补性方面的表现。随后，我们探讨了两种将 NR-IQA 模型应用于 SR 学习的方法：(i) 通过构建在现有多真值 SR 框架之上，改变数据采样；(ii) 直接优化可微分的质量评分。我们的结果表明，这种方法实现了更符合人类主观感受的感知-失真权衡，关注点从非感知像素级失真转向提高感知保真度与人类调优的 NR-IQA 指标之间的平衡。
引用
@article{arxiv.2504.18524,
title = {Augmenting Perceptual Super-Resolution via Image Quality Predictors},
author = {Fengjia Zhang and Samrudhdhi B. Rangrej and Tristan Aumentado-Armstrong and Afsaneh Fazly and Alex Levinshtein},
journal= {arXiv preprint arXiv:2504.18524},
year = {2025}
}