使用注意力 GAN 的大尺度图像高效超分辨率
计算机视觉与模式识别
2019-01-15 v4
摘要
单图像超分辨率（SISR）是一个研究充分且具有广泛商业相关性的问题。然而，大多数 SISR 文献关注小于 500px 的小尺寸图像，而业务需求可能要求生成非常高分辨率的图像。在 Expedia Group，我们的任务是在网站上展示生成至少 2000px 的图像，是文献中通常报道尺寸的四倍。这一要求带来了最先进模型在小图像上验证过、但未被证明能处理的挑战。本文中，我们研究在商业环境下大尺度超分辨率生成高质量图像的问题解决方案。我们发现，使用大尺度住宿图像数据集从头训练带注意力的生成对抗网络（GAN）可生成具有高 PSNR 和 SSIM 分数的图像。我们描述了一种用于大尺度图像的新颖注意力 SISR 模型 A-SRGAN，其使用 Flexible Self Attention 层以实现大尺度图像处理。我们还描述了一种分布式算法，将训练速度提升约五倍。
引用
@article{arxiv.1812.04821,
title = {Efficient Super Resolution For Large-Scale Images Using Attentional GAN},
author = {Harsh Nilesh Pathak and Xinxin Li and Shervin Minaee and Brooke Cowan},
journal= {arXiv preprint arXiv:1812.04821},
year = {2019}
}
备注
Accepted by IEEE International Conference on Big Data, 2018