用于照片级真实图像去量化的深度注意力生成对抗网络
图像与视频处理
2020-04-08 v1 计算机视觉与模式识别
摘要
当前大多数显示设备具有八位或更高的位深。然而，大多数多媒体工具所生成图像的质量无法达到该位深标准。去量化可提升低位深图像的视觉质量以在高位深屏幕上显示。本文提出 DAGAN 算法，对图像强度分辨率（与空间分辨率正交）进行超分辨率处理，通过端到端学习模式实现照片级真实的去量化。迄今为止，这是首次尝试将生成对抗网络（GAN）框架应用于图像去量化。具体而言，我们提出稠密残差自注意力（DenseResAtt）模块，由配备自注意力机制的稠密残差块组成，以更多关注高频信息。此外，顺序 DenseResAtt 模块的串行连接形成具有优越判别学习能力的深度注意力网络，在图像去量化中建模代表性特征图以尽可能恢复有用信息。另外，由于对抗学习框架能可靠地生成高质量自然图像，指定的内容损失与对抗损失被反向传播以优化模型训练。综上，DAGAN 能够生成无条带伪影的照片级真实高位深图像。在多个公开基准上的实验结果证明 DAGAN 算法具备实现优异视觉效果与满意量化性能的能力。
引用
@article{arxiv.2004.03150,
title = {Deep Attentive Generative Adversarial Network for Photo-Realistic Image De-Quantization},
author = {Yang Zhang and Changhui Hu and Xiaobo Lu},
journal= {arXiv preprint arXiv:2004.03150},
year = {2020}
}