在盲超分辨率中寻找特定退化的判别性滤波器
计算机视觉与模式识别
2021-08-03 v1 人工智能
摘要
最近的盲超分辨率（SR）方法通常由两个分支组成，一个用于退化预测，另一个用于条件恢复。然而，我们的实验表明，单分支网络可以达到与双分支方案相当的性能。这引发了一个问题：单分支网络如何自动学会区分不同的退化？为了找到答案，我们提出了一种新的诊断工具——基于积分梯度的滤波器归因方法（FAIG）。与以往的积分梯度方法不同，我们的 FAIG 旨在寻找盲 SR 网络中对退化去除最具判别性的滤波器，而非输入像素/特征。利用发现的滤波器，我们进一步开发了一种简单而有效的方法来预测输入图像的退化类型。基于 FAIG，我们发现在单分支盲 SR 网络中：1）我们能够为每种特定退化找到极少数量（1%）的判别性滤波器；2）所发现滤波器的权重、位置和连接对于决定特定的网络功能都至关重要；3）退化预测任务可以由这些判别性滤波器隐式实现，无需显式的监督学习。我们的发现不仅有助于更好地理解单分支盲 SR 网络的内部行为，也为设计更高效的架构和诊断盲 SR 网络提供了指导。
引用
@article{arxiv.2108.01070,
title = {Finding Discriminative Filters for Specific Degradations in Blind Super-Resolution},
author = {Liangbin Xie and Xintao Wang and Chao Dong and Zhongang Qi and Ying Shan},
journal= {arXiv preprint arXiv:2108.01070},
year = {2021}
}
备注
Tech report