用于照片级真实感图像超分辨率的高效深度神经网络
计算机视觉与模式识别
2022-03-16 v5
摘要
近年来基于深度学习的模型进展显著提升了照片级真实感（或感知）单图像超分辨率的性能。然而，尽管其性能强大，许多方法因沉重的计算需求而难以应用于实际场景。为在此类需求下促进深度模型的使用，我们专注于在保持性能的同时维持网络的高效性。具体而言，我们设计了一种在残差网络上实现级联机制的架构，通过多级特征融合以有限资源提升性能。此外，我们提出的模型采用分组卷积和递归方案以实现极高效率。我们通过采用对抗学习范式和多尺度判别器方法进一步改善了输出的感知质量。我们通过大量内部实验和使用多个数据集的基准测试研究了方法的性能。结果表明，对于传统的基于像素和基于感知的任务，我们的模型均以相近的复杂度优于近期方法。
引用
@article{arxiv.1903.02240,
title = {Efficient Deep Neural Network for Photo-realistic Image Super-Resolution},
author = {Namhyuk Ahn and Byungkon Kang and Kyung-Ah Sohn},
journal= {arXiv preprint arXiv:1903.02240},
year = {2022}
}
备注
Pattern Recognition