基于生成对抗网络并利用感知内容损失的图像超分辨率
计算机视觉与模式识别
2018-09-24 v2
摘要
本文中，我们提出一种深度生成对抗网络用于超分辨率，并考量感知与失真之间的权衡。基于近期开发的具有优良超分辨率性能的模型，即采用增强上采样模块的深层残差网络（EUSR），所提模型经训练在仅轻微增加失真的情况下改善感知性能。为此，除常规内容损失（即 L1 或 L2 等重建损失）外，我们在训练阶段考虑额外的损失，即离散余弦变换系数损失与差分内容损失。这些在内容损失中考量了感知部分，即适当高频成分的考量有助于超分辨率中的权衡问题。实验结果表明，我们所提模型在感知与失真上均具良好性能，并在感知超分辨率应用中有效。
引用
@article{arxiv.1809.04783,
title = {Generative adversarial network-based image super-resolution using perceptual content losses},
author = {Manri Cheon and Jun-Hyuk Kim and Jun-Ho Choi and Jong-Seok Lee},
journal= {arXiv preprint arXiv:1809.04783},
year = {2018}
}
备注
To appear in ECCV 2018 workshop. Won the 2nd place for Region 1 in the PIRM Challenge on Perceptual Super Resolution at ECCV 2018. Github at https://github.com/manricheon/eusr-pcl-tf