面向真实世界超分辨率精度-泛化权衡的训练退化分布构建
计算机视觉与模式识别
2023-06-02 v2 图像与视频处理
摘要
为真实世界应用设计的超分辨率(SR)技术通常面临两个主要挑战：泛化性能与复原精度。我们证明，当方法使用复杂、大范围的退化进行训练以提升泛化时，精度下降不可避免。然而，由于特定真实世界应用中的退化通常表现出有限的变化范围，在此范围内权衡泛化性能与测试精度变得可行。本工作中，我们引入一种利用少量参考图像构建训练退化分布的新方法。我们的策略基于退化空间的分箱表示以及退化分布间的Fréchet距离。我们的结果表明，所提技术在保持真实世界应用泛化能力的同时，显著提升了测试图像的性能。
引用
@article{arxiv.2305.18107,
title = {Crafting Training Degradation Distribution for the Accuracy-Generalization Trade-off in Real-World Super-Resolution},
author = {Ruofan Zhang and Jinjin Gu and Haoyu Chen and Chao Dong and Yulun Zhang and Wenming Yang},
journal= {arXiv preprint arXiv:2305.18107},
year = {2023}
}
备注
This paper has been accepted to ICML 2023