联合超分辨率与逆色调映射：特征分解聚合网络与新基准
计算机视觉与模式识别
2023-09-08 v4
摘要
联合超分辨率与逆色调映射（joint SR-ITM）旨在提升低分辨率标准动态范围图像的分辨率与动态范围。近期网络主要借助具有复杂多分支架构的图像分解技术。然而，固定的分解技术会极大限制其在多样图像上的能力。为挖掘分解机制的潜在能力，本文将之从图像域推广至更宽泛的特征域。为此，我们提出一种轻量的特征分解聚合网络（FDAN）。具体地，我们设计特征分解块（FDB）以实现细节与基特征图的可学习分离，并通过级联 FDB 构建分层特征分解组以进行强大的多级特征分解。此外，为更好地评估对比方法，我们收集了一个大规模 joint SR-ITM 数据集，即 SRITM-4K，其为鲁棒模型训练与评估提供了多样场景。在两个基准数据集上的实验结果表明，我们的 FDAN 高效且在 joint SR-ITM 上优于当前最优方法。我们的 FDAN 代码与 SRITM-4K 数据集发布于 https://github.com/CS-GangXu/FDAN。
引用
@article{arxiv.2207.03367,
title = {Joint Super-Resolution and Inverse Tone-Mapping: A Feature Decomposition Aggregation Network and A New Benchmark},
author = {Gang Xu and Yu-chen Yang and Liang Wang and Xian-Tong Zhen and Jun Xu},
journal= {arXiv preprint arXiv:2207.03367},
year = {2023}
}
备注
update the authors info and the article template