FreqNet：一种基于离散余弦变换的频域图像超分辨率网络
图像与视频处理
2021-11-23 v1 计算机视觉与模式识别
摘要
单图像超分辨率（SISR）是一个病态问题，旨在从低分辨率（LR）输入中获得高分辨率（HR）输出，在此过程中需补充额外的高频信息以提升感知质量。现有 SISR 工作主要在空间域中通过最小化均方重建误差来运作。尽管取得了较高的峰值信噪比（PSNR）结果，却难以判断模型是否正确添加了所需的高频细节。一些基于残差的结构被提出以隐式引导模型关注高频特征。然而，由于空间域度量的解释能力有限，如何验证这些人造细节的保真度仍是一个问题。本文中，我们提出 FreqNet，一种从频域视角出发的直观流程，以解决该问题。受现有频域工作启发，我们将图像转换为离散余弦变换（DCT）块，再重组得到 DCT 特征图，作为模型的输入与目标。我们设计了一条专用流程，并进一步提出频域损失函数以契合频域任务的本质。我们的频域 SISR 方法能显式学习高频信息，为超分辨率图像提供保真度与良好的感知质量。我们进一步观察到，我们的模型可与其他空间超分辨率模型融合，以提升其原始 SR 输出的质量。
引用
@article{arxiv.2111.10800,
title = {FreqNet: A Frequency-domain Image Super-Resolution Network with Dicrete Cosine Transform},
author = {Runyuan Cai and Yue Ding and Hongtao Lu},
journal= {arXiv preprint arXiv:2111.10800},
year = {2021}
}