HERN：用于图像去马赛克与增强的高分辨率网络
图像与视频处理
2019-11-20 v1 计算机视觉与模式识别
摘要
基于神经网络的图像复原方法倾向于使用低分辨率图像块进行训练。尽管更高分辨率的图像块能够提供更全局的信息，但最先进的方法由于其巨大的 GPU 内存占用以及不稳定的训练过程而无法利用它们。然而，大量研究表明全局信息对于图像去马赛克和增强等图像复原任务至关重要。在本工作中，我们提出一种高分辨率网络（HERN）以充分学习高分辨率图像块中的全局信息。为此，HERN 采用两条并行路径分别学习两种不同分辨率下的图像特征。通过结合全局感知特征与多尺度特征，我们的 HERN 能够以可行的 GPU 内存占用学习全局信息。此外，我们引入了一种渐进式训练方法来解决不稳定性问题并加速模型收敛。在图像去马赛克与增强任务上，我们的 HERN 在 AIM2019 RAW 到 RGB 映射挑战赛上取得了最先进的性能。我们实现的源代码可在 https://github.com/MKFMIKU/RAW2RGBNet 获取。
引用
@article{arxiv.1911.08098,
title = {HighEr-Resolution Network for Image Demosaicing and Enhancing},
author = {Kangfu Mei and Juncheng Li and Jiajie Zhang and Haoyu Wu and Jie Li and Rui Huang},
journal= {arXiv preprint arXiv:1911.08098},
year = {2019}
}
备注
Accepted in ICCV 2019 Workshop (AIM2019 Raw to RGB Challenge Winner)