基于GAN先验的零空间学习用于一致性超分辨率
计算机视觉与模式识别
2022-11-28 v1 图像与视频处理
摘要
一致性和真实感一直是图像超分辨率的两个关键问题。虽然使用GAN先验已显著改善真实感，但最先进的方法仍然遭受局部结构和颜色的不一致（例如牙齿和眼睛）。在本文中，我们表明这些不一致可以通过仅学习零空间分量而固定值域空间部分来解析地消除。进一步，我们设计了一种基于池化的分解（PD），一种用于超分辨率任务的通用值域-零空间分解，其简洁、快速且无参数。PD可以轻松应用于最先进的基于GAN先验的SR方法以消除其不一致性，既不损害真实感也不带来额外参数或计算成本。此外，我们的消融研究揭示，PD可以替代像素级损失进行训练，并在面对未见下采样甚至真实世界退化时取得更好的泛化性能。实验表明，使用PD刷新了最先进的SR性能，并将训练收敛加速达2~10倍。
引用
@article{arxiv.2211.13524,
title = {GAN Prior based Null-Space Learning for Consistent Super-Resolution},
author = {Yinhuai Wang and Yujie Hu and Jiwen Yu and Jian Zhang},
journal= {arXiv preprint arXiv:2211.13524},
year = {2022}
}
备注
Accepted by AAAI 2023