DSRGAN：基于细节先验辅助与生成对抗网络的感知单图像超分辨率
图像与视频处理
2021-12-28 v1 计算机视觉与模式识别
摘要
生成对抗网络（GAN）已成功应用于感知单图像超分辨率（SISR）研究。然而，GAN 往往倾向于生成高频细节与真实细节不一致的图像。受传统细节增强算法启发，我们提出一种新颖的先验知识——细节先验，以辅助 GAN 缓解该问题并恢复更真实的细节。所提方法称为 DSRGAN，包含一种精心设计的细节提取算法，用以从图像中捕获最重要的高频信息。随后，利用两个判别器分别监督图像域与细节域的恢复。DSRGAN 通过细节增强方式将恢复的细节合并至最终输出。DSRGAN 的特殊设计兼具基于模型的传统算法与数据驱动的深度学习网络之长。实验结果表明，DSRGAN 在感知指标上优于最先进的 SISR 方法，同时在保真度指标上取得相当结果。基于 DSRGAN，将其他传统图像处理算法融入深度学习网络以形成基于模型的深度 SISR 是可行的。
引用
@article{arxiv.2112.13191,
title = {DSRGAN: Detail Prior-Assisted Perceptual Single Image Super-Resolution via Generative Adversarial Networks},
author = {Ziyang Liu and Zhengguo Li and Xingming Wu and Zhong Liu and Weihai Chen},
journal= {arXiv preprint arXiv:2112.13191},
year = {2021}
}