利用双三次下采样图像学习真实世界图像超分辨率
图像与视频处理
2020-11-06 v2 计算机视觉与模式识别
摘要
超分辨率(SR)传统上基于高分辨率图像(HR)及其通过双三次下采样人工获得的低分辨率(LR)对应图像对。然而,在真实世界SR中,存在大量多样化的真实图像退化,且对这些真实退化进行解析建模可能相当困难。在本工作中,我们提出通过将这一病态问题拆分为两个相对更良态的步骤来处理真实世界SR。首先,我们利用真实LR/HR对与合成对,以监督方式训练一个网络,将真实LR图像变换到双三次下采样图像的空间。其次,我们采用在双三次下采样图像上训练的通用SR网络,对变换后的LR图像进行超分辨率重建。该流程的第一步通过将大量退化图像配准到一个共同的、已被充分理解的图像空间来解决该问题。第二步则利用了SR在双三次下采样图像上已有的出色性能,规避了在具有多种不同图像退化的数据集上进行端到端训练的问题。我们通过将所提方法与近期真实世界SR方法进行比较,证明了方法的有效性,并表明我们在定性与定量结果以及针对多个真实图像数据集开展的广泛用户研究结果上均优于最先进(SOTA)工作。
引用
@article{arxiv.2007.03053,
title = {Benefiting from Bicubically Down-Sampled Images for Learning Real-World Image Super-Resolution},
author = {Mohammad Saeed Rad and Thomas Yu and Claudiu Musat and Hazim Kemal Ekenel and Behzad Bozorgtabar and Jean-Philippe Thiran},
journal= {arXiv preprint arXiv:2007.03053},
year = {2020}
}
备注
WACV 2021