用于感知图像超分辨率的 Bi-GANs-ST
计算机视觉与模式识别
2018-11-02 v1
摘要
图像质量度量是基于图像超分辨率（SR）算法的一个关键问题。通常它们由一些知名的客观指标评估，例如 PSNR 和 SSIM，但这些指标无法给出符合人类感知的合适结果。近来，[1] 中提出了一种更合理的感知度量，也被 PIRM-SR 2018 挑战赛所采用。本文受 [1] 启发，旨在生成在感知指标与均方根误差（RMSE）这两个指标间取得平衡的高质量 SR 结果。为此，我们设计了一个名为 Bi-GANs-ST 的新型深度 SR 框架，集成了两个互补的生成对抗网络（GAN）分支。其一是记忆残差 SRGAN（MR-SRGAN），侧重于改善客观性能，如降低 RMSE。其二是权重感知 SRGAN（WP-SRGAN），通过两阶段对抗训练机制获得更优主观感知的结果。随后，为产出具有优异感知分数与 RMSE 的最终结果，我们采用软阈值方法融合两个 GAN 生成的结果。我们的方法在 PIRM 2018 挑战赛的感知图像超分辨率任务上表现良好。在五个基准上的实验结果表明，相较于其他最先进（state-of-the-art）方法，我们的方案取得了极具竞争力的性能。
引用
@article{arxiv.1811.00367,
title = {Bi-GANs-ST for Perceptual Image Super-resolution},
author = {Xiaotong Luo and Rong Chen and Yuan Xie and Yanyun Qu and Cuihua Li},
journal= {arXiv preprint arXiv:1811.00367},
year = {2018}
}
备注
15 pages, 7 figures