FAN：面向真实图像超分辨率的频率聚合网络
图像与视频处理
2020-10-01 v1 计算机视觉与模式识别
机器学习
摘要
单图像超分辨率（SISR）旨在从其低分辨率（LR）输入图像中恢复高分辨率（HR）图像。随着深度学习的发展，SISR 取得了巨大进展。然而，恢复具有复杂真实退化的真实世界 LR 图像仍是一项挑战。因此，我们提出 FAN，一种频率聚合网络，以解决真实世界图像超分辨率问题。具体而言，我们提取 LR 图像的不同频率，并将其分别送入通道注意力分组残差密集网络（CA-GRDB）以输出相应的特征图。然后自适应地聚合这些残差密集特征图，以恢复具有增强细节与纹理的 HR 图像。我们进行了大量的定量与定性实验，以验证我们的 FAN 在 AIM 2020 挑战赛的真实图像超分辨率任务上表现良好。根据发布的最终结果，我们的团队 SR-IM 在 X4 赛道上取得第四名，PSNR 为 31.1735，SSIM 为 0.8728。
引用
@article{arxiv.2009.14547,
title = {FAN: Frequency Aggregation Network for Real Image Super-resolution},
author = {Yingxue Pang and Xin Li and Xin Jin and Yaojun Wu and Jianzhao Liu and Sen Liu and Zhibo Chen},
journal= {arXiv preprint arXiv:2009.14547},
year = {2020}
}
备注
14 pages, 7 figures, presented as a workshop paper at AIM 2020 Challenge @ ECCV 2020