利用生成对抗网络学习结构相干性的单图像超分辨率
图像与视频处理
2021-01-26 v1 计算机视觉与模式识别
摘要
单图像超分辨率（SISR）的主要剩余挑战之一，是恢复具有符合人类视觉系统的全局形状与局部细节的相干图像的能力。近期基于生成对抗网络（GAN）的 SISR 方法已生成总体真实的 SR 图像，但局部区域常伴随结构畸变与令人不适的纹理。针对这些问题，我们将梯度分支引入生成器，通过在 SR 过程中恢复高分辨率梯度图来保留结构信息。此外，我们利用基于 U-net 的判别器同时考虑整幅图像与逐像素细节真实性，从而鼓励生成器保持重建图像的整体相干性。而且，我们研究了目标函数并加入 LPIPS 感知损失以生成更真实自然的细节。实验结果表明，所提方法在感知指数（PI）上优于最先进的感知驱动 SR 方法，并在自然图像复原中获得几何更一致、视觉更愉悦的纹理。
引用
@article{arxiv.2101.10165,
title = {Learning Structral coherence Via Generative Adversarial Network for Single Image Super-Resolution},
author = {Yuanzhuo Li and Yunan Zheng and Jie Chen and Zhenyu Xu and Yiguang Liu},
journal= {arXiv preprint arXiv:2101.10165},
year = {2021}
}
备注
5 pages, 3 figures, 2 tables