GLEAN：用于大倍率图像超分辨率生成的潜变量库
计算机视觉与模式识别
2020-12-02 v1
摘要
我们展示了预训练的生成对抗网络(GANs)，例如StyleGAN，可用作潜变量库以改善大倍率图像超分辨率(SR)的恢复质量。虽然大多数现有SR方法试图通过对抗损失学习生成逼真纹理，我们的方法Generative LatEnt bANk (GLEAN)超越现有做法，直接利用封装在预训练GAN中的丰富且多样的先验。但与需要在运行时进行昂贵图像特定优化的主流GAN反演方法不同，我们的方法仅需单次前向传播即可生成上采样图像。GLEAN可轻易地融入带有多分辨率跳跃连接的简单编码器-库-解码器架构中。切换库使该方法能处理来自不同类别的图像，例如猫、建筑、人脸和汽车。与现有方法相比，GLEAN上采样的图像在保真度和纹理忠实度方面显示出明显改进。
引用
@article{arxiv.2012.00739,
title = {GLEAN: Generative Latent Bank for Large-Factor Image Super-Resolution},
author = {Kelvin C. K. Chan and Xintao Wang and Xiangyu Xu and Jinwei Gu and Chen Change Loy},
journal= {arXiv preprint arXiv:2012.00739},
year = {2020}
}
备注
Tech report, 19 pages, 19 figures. A high-resolution version of this paper can be found at https://ckkelvinchan.github.io/