DifAugGAN：一种用于基于GAN单图像超分辨率的实用扩散式数据增强
图像与视频处理
2023-12-01 v1 计算机视觉与模式识别
摘要
众所周知，基于GAN的图像超分辨率（SR）方法的对抗式优化使得前置SR模型生成令人不快且不期望的伪影，导致较大失真。我们将此类失真的原因归结为判别器校准不良，这阻碍了其向生成器提供有意义反馈以学习高质量图像的能力。为解决该问题，我们提出了一种简单但非平凡的扩散式数据增强方案，用于当前基于GAN的SR方法，称为DifAugGAN。它受数据增强方案在该领域为实现良好校准取得成功的启发，涉及调整生成扩散模型中的扩散过程，以改进训练期间判别器的校准。我们的DifAugGAN可作为一种即插即用策略，用于当前基于GAN的单图像超分辨率（SISR）方法，以改进判别器的校准，从而提升SR性能。大量实验评估证明了DifAugGAN在合成与真实世界数据集上相对于最先进基于GAN的SISR方法的优越性，在定性与定量结果上均展现出显著进展。
引用
@article{arxiv.2311.18508,
title = {DifAugGAN: A Practical Diffusion-style Data Augmentation for GAN-based Single Image Super-resolution},
author = {Axi Niu and Kang Zhang and Joshua Tian Jin Tee and Trung X. Pham and Jinqiu Sun and Chang D. Yoo and In So Kweon and Yanning Zhang},
journal= {arXiv preprint arXiv:2311.18508},
year = {2023}
}