基于迭代精炼的图像超分辨率
图像与视频处理
2021-07-01 v2 计算机视觉与模式识别
机器学习
摘要
我们提出 SR3，一种通过重复精炼实现图像超分辨率的方法。SR3 将去噪扩散概率模型适配于条件图像生成，并通过随机去噪过程执行超分辨率。推理从纯高斯噪声开始，使用在不同噪声水平上训练的去噪 U-Net 模型迭代地精炼带噪输出。SR3 在不同放大倍数下的人脸和自然图像超分辨率任务上展现出强劲性能。我们在 CelebA-HQ 上对标准 8 倍人脸超分辨率任务进行了人工评估，与 SOTA GAN 方法比较。SR3 达到了接近 50% 的欺骗率，表明输出具有照片级真实感，而 GAN 的欺骗率不超过 34%。我们进一步展示了 SR3 在级联图像生成中的有效性，其中生成模型与超分辨率模型相链接，在 ImageNet 上取得了 11.3 的有竞争力 FID 分数。
引用
@article{arxiv.2104.07636,
title = {Image Super-Resolution via Iterative Refinement},
author = {Chitwan Saharia and Jonathan Ho and William Chan and Tim Salimans and David J. Fleet and Mohammad Norouzi},
journal= {arXiv preprint arXiv:2104.07636},
year = {2021}
}