面向真实世界超分辨率的频率一致性自适应方法
计算机视觉与模式识别
2020-12-21 v1
摘要
近期基于深度学习的超分辨率（SR）方法在具有已知退化的图像上取得了显著性能。然而，这些方法在真实世界场景中总是失效，因为经过理想退化（例如双三次下采样）后的低分辨率（LR）图像偏离了真实源域。LR图像与真实世界图像之间的域差距在频率密度上可以清晰地观察到，这启发我们显式地缩小由不正确退化引起的不良差距。从这一观点出发，我们设计了一种新颖的频率一致性自适应（FCA），在将现有SR方法应用于真实场景时确保频域一致性。我们从无监督图像中估计退化核并生成相应的LR图像。为了给核估计提供有用的梯度信息，我们通过区分不同尺度上图像的频率密度，提出了频率密度比较器（FDC）。基于域一致的LR-HR对，我们训练了易于实现的卷积神经网络（CNN）SR模型。大量实验表明，所提出的FCA提升了真实世界设置下SR模型的性能，以高保真度和合理感知取得了最先进的结果，从而为真实世界SR应用提供了一种新颖有效的框架。
引用
@article{arxiv.2012.10102,
title = {Frequency Consistent Adaptation for Real World Super Resolution},
author = {Xiaozhong Ji and Guangpin Tao and Yun Cao and Ying Tai and Tong Lu and Chengjie Wang and Jilin Li and Feiyue Huang},
journal= {arXiv preprint arXiv:2012.10102},
year = {2020}
}