ESRGAN：增强型超分辨率生成对抗网络
计算机视觉与模式识别
2018-09-18 v2
摘要
超分辨率生成对抗网络（SRGAN）是一项开创性工作，能够在单图像超分辨率过程中生成逼真纹理。然而，其幻觉细节常伴随令人不快的伪影。为进一步提升视觉质量，我们深入研究了 SRGAN 的三个关键组件——网络架构、对抗损失与感知损失，并分别改进以得到增强型 SRGAN（ESRGAN）。具体而言，我们引入无批量归一化的残差内残差密集块（RRDB）作为基本网络构建单元。此外，我们借鉴相对论 GAN 的思想，使判别器预测相对真实度而非绝对值。最后，我们通过使用激活前的特征改进感知损失，从而可为亮度一致性与纹理恢复提供更强的监督。得益于这些改进，所提 ESRGAN 取得了比 SRGAN 更优且一致的视觉质量，具有更逼真自然的纹理，并在 PIRM2018-SR 挑战赛中荣获第一名。代码见 https://github.com/xinntao/ESRGAN。
引用
@article{arxiv.1809.00219,
title = {ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks},
author = {Xintao Wang and Ke Yu and Shixiang Wu and Jinjin Gu and Yihao Liu and Chao Dong and Chen Change Loy and Yu Qiao and Xiaoou Tang},
journal= {arXiv preprint arXiv:1809.00219},
year = {2018}
}
备注
To appear in ECCV 2018 workshop. Won Region 3 in the PIRM2018-SR Challenge. Code and models are at https://github.com/xinntao/ESRGAN