超越真相：图像修复的增强监督

深度学习图像修复已取得显著进展，但在处理现实降质场景时，模型性能受限于数据获取实际限制下的真实图像质量。为此，我们提出一种新框架，通过超分辨率方法增强现有真实图像，以提供更高质量的监督。该框架利用自适应频率掩码生成器学习的频率掩码，对原始真实图像及其超分辨率变体的频率成分进行最优融合，生成感知增强的真实图像。这种频域混合方法保持原有内容的语义一致性，同时选择性丰富感知细节，防止产生幻觉性 artifact。增强后的真实图像用于训练轻量级输出细化网络，可无缝集成到现有修复模型中。广泛实验表明，我们的方法提高了恢复图像的质量。我们进一步通过用户研究验证了监督增强和输出细化的有效性。