利用多感知特征进行真实世界图像超分辨率学习
计算机视觉与模式识别
2023-05-31 v1
摘要
目前，解决真实世界图像超分辨率问题有两类流行方法：基于退化估计的方法和基于盲方法。然而，基于退化估计的方法在估计退化时可能不准确，使其对真实世界低分辨率（LR）图像的适用性降低。另一方面，基于盲的方法常受其固定单感知信息的限制，阻碍了其处理多样感知特征的能力。为克服此限制，我们提出一种称为MPF-Net的新型超分辨率（SR）方法，利用输入图像的多种感知特征。我们的方法包含多感知特征提取（MPFE）模块以提取多样感知信息，以及一系列新设计的交叉感知块（CPB）来组合这些信息以实现有效的超分辨率重建。此外，我们引入对比正则项（CR），通过使用新生成的HR和LR图像作为真实HR的正样本和负样本来提升模型的学习能力。在具有挑战性的真实世界SR数据集上的实验结果表明，我们的方法在定性和定量指标上均显著优于现有最先进（SOTA）方法。
引用
@article{arxiv.2305.18547,
title = {Learning from Multi-Perception Features for Real-Word Image Super-resolution},
author = {Axi Niu and Kang Zhang and Trung X. Pham and Pei Wang and Jinqiu Sun and In So Kweon and Yanning Zhang},
journal= {arXiv preprint arXiv:2305.18547},
year = {2023}
}