用于图像复原的引导频域损失
计算机视觉与模式识别
2023-10-24 v2 图像与视频处理
摘要
图像复原近年来取得了显著进展。许多生成模型已被改造以处理已知的图像复原情形。然而，尽管频域在这些特定图像合成情形中是主要因素，利用其优势的兴趣却未被充分探索。在本研究中，我们提出引导频域损失（Guided Frequency Loss, GFL），它帮助模型以均衡方式学习图像的频率内容与时域内容。它聚合了三个并行工作的核心组件以提升学习效率：Charbonnier 组件、拉普拉斯金字塔组件与渐进频率组件。我们在超分辨率与去噪任务上测试了 GFL。我们为每个任务使用了三个不同数据集与三种不同架构。我们发现 GFL 损失在大多数已实施实验中改善了 PSNR 指标。同时，它在 SwinIR 与 SRGAN 中均改善了超分辨率模型的训练。此外，由于样本间高频成分的随机性较小，GFL 损失在受限数据上的效用提升更明显。
引用
@article{arxiv.2309.15563,
title = {Guided Frequency Loss for Image Restoration},
author = {Bilel Benjdira and Anas M. Ali and Anis Koubaa},
journal= {arXiv preprint arXiv:2309.15563},
year = {2023}
}