面向基于 GAN 先验图像超分辨率的潜在多关系推理
计算机视觉与模式识别
2022-08-08 v1
摘要
近来，在大缩放因子下的单图像超分辨率（SR）通过引入预训练生成对抗网络（GAN）作为先验取得了令人瞩目的进展。然而，大多数基于 GAN 先验的 SR 方法受限于反转潜在码中的属性解耦问题，这直接导致生成器各层视觉属性不匹配并进一步使重建退化。此外，输入生成器的随机噪声用于无条件细节生成，往往产生不忠实的细节，损害所生成 SR 图像的保真度。我们设计了 LAREN，一种潜在多关系推理（LAtent multi-Relation rEasoNing）技术，通过基于图的多关系潜在空间推理实现优异的大因子 SR。LAREN 包含两项创新设计。其一是基于图的解耦，通过分层多关系推理构建更优的解耦潜在空间。其二是基于图的码生成，通过递归关系推理渐进式产生图像特定码，使先验 GAN 能够生成理想的图像细节。大量实验表明，LAREN 实现了优异的大因子图像 SR，并在多个基准上持续优于当前最优方法。
引用
@article{arxiv.2208.02861,
title = {Latent Multi-Relation Reasoning for GAN-Prior based Image Super-Resolution},
author = {Jiahui Zhang and Fangneng Zhan and Yingchen Yu and Rongliang Wu and Xiaoqin Zhang and Shijian Lu},
journal= {arXiv preprint arXiv:2208.02861},
year = {2022}
}