EnhanceNet：通过自动化纹理合成实现单图像超分辨率
计算机视觉与模式识别
2018-01-16 v2 人工智能
机器学习
摘要
单图像超分辨率是从单幅低分辨率输入图像推断高分辨率图像的任务。传统上，该任务算法的性能采用逐像素重建度量（如峰值信噪比(PSNR)）来衡量，而这些度量已被证明与人类对图像质量的感知相关性较差。因此，最小化这些度量的算法往往会产生过度平滑的图像，缺乏高频纹理，尽管获得了较高的 PSNR 值，但看起来并不自然。我们提出了一种自动化纹理合成的新颖应用，结合感知损失，重点在于在训练期间创建逼真的纹理，而非优化对真实图像的像素级精确重建。通过在前馈全卷积神经网络的对抗训练设置中，我们在高放大倍率下实现了图像质量的显著提升。在多个数据集上的大量实验表明了我们方法的有效性，在定量和定性基准测试中均取得了 state-of-the-art 的结果。
引用
@article{arxiv.1612.07919,
title = {EnhanceNet: Single Image Super-Resolution Through Automated Texture Synthesis},
author = {Mehdi S. M. Sajjadi and Bernhard Schölkopf and Michael Hirsch},
journal= {arXiv preprint arXiv:1612.07919},
year = {2018}
}
备注
main paper and supplementary material