用于单图像超分辨率的细粒度注意力与特征共享生成对抗网络
图像与视频处理
2020-12-25 v2 计算机视觉与模式识别
摘要
旨在最小化均方误差的传统超分辨率方法由于高频细节的丢失，通常产生过度平滑和边缘模糊的图像。本文中，我们在生成对抗网络中提出两种新技术，以用于图像超分辨率生成照片级真实感图像。首先，我们提出一种称为细粒度注意力生成对抗网络用于图像超分辨率（FASRGAN）的变体，而非产生单一分数来判别图像真伪，以判别每个像素的真伪。FASRGAN 采用类 Unet 网络作为判别器，具有两个输出：图像分数和图像分数图。分数图具有与 HR/SR 图像相同的空间尺寸，作为细粒度注意力来表示每个像素的重建难度程度。其次，我们不为 SR 问题中的生成器和判别器使用不同网络，而是对两者使用特征共享网络（Fs-SRGAN）。通过网络共享，生成器和判别器之间共享某些信息，进而可提高生成高质量图像的能力。在基准数据集上与最先进方法的定量与视觉比较证明了我们方法的优越性。超分辨率图像在目标识别上的应用进一步证明了所提方法赋予了重建能力和优异的超分辨率效果。
引用
@article{arxiv.1911.10773,
title = {Fine-grained Attention and Feature-sharing Generative Adversarial Networks for Single Image Super-Resolution},
author = {Yitong Yan and Chuangchuang Liu and Changyou Chen and Xianfang Sun and Longcun Jin and Xiang Zhou},
journal= {arXiv preprint arXiv:1911.10773},
year = {2020}
}
备注
15 pages, 14 figures, 7 tables