利用自监督约束进行图像超分辨率
计算机视觉与模式识别
2024-04-02 v1 图像与视频处理
摘要
自监督学习的最新进展主要在高层次视觉任务中研究，现已探索用于低层次图像处理。本文提出了一种新颖的单图像超分辨率自监督约束，称为SSC-SR。SSC-SR通过采用双非对称范式和通过指数移动平均更新的目标模型来增强稳定性，独特地解决了图像复杂性的差异。所提出的SSC-SR框架可作为即插即用范式，易于应用于现有SR模型。实证评估表明，我们的SSC-SR框架在各种基准数据集上带来了显著提升，在EDSR上平均提高0.1 dB，在SwinIR上平均提高0.06 dB。此外，广泛的消融研究证实了我们SSC-SR框架中每个组成部分的有效性。代码可在https://github.com/Aitical/SSCSR获取。
引用
@article{arxiv.2404.00260,
title = {Exploiting Self-Supervised Constraints in Image Super-Resolution},
author = {Gang Wu and Junjun Jiang and Kui Jiang and Xianming Liu},
journal= {arXiv preprint arXiv:2404.00260},
year = {2024}
}
备注
ICME 2024