MM-RealSR：基于度量学习的真实世界超分辨率交互式调制
计算机视觉与模式识别
2022-07-28 v2 图像与视频处理
摘要
交互式图像复原旨在通过调整若干控制系数来复原图像，这些系数决定了复原强度。现有方法局限于在已知退化类型与等级的监督下学习可控函数，当真实退化与其假设不符时通常性能严重下降。该局限源于真实世界退化的复杂性，其无法在训练中对交互式调制提供显式监督。然而，如何在真实世界超分辨率中实现交互式调制尚未被研究。本工作中，我们提出一种基于度量学习的真实世界超分辨率交互式调制方法(MM-RealSR)。具体而言，我们提出一种无监督退化估计策略来估计真实场景中的退化等级。不同于使用已知退化等级作为交互机制的显式监督，我们提出一种度量学习策略，将真实场景中不可量化的退化等级映射至度量空间，并以无监督方式训练。此外，我们在度量学习过程中引入锚点策略以归一化度量空间分布。大量实验表明，所提MM-RealSR在真实世界超分辨率中取得了优异的调制与复原性能。代码见 https://github.com/TencentARC/MM-RealSR。
引用
@article{arxiv.2205.05065,
title = {MM-RealSR: Metric Learning based Interactive Modulation for Real-World Super-Resolution},
author = {Chong Mou and Yanze Wu and Xintao Wang and Chao Dong and Jian Zhang and Ying Shan},
journal= {arXiv preprint arXiv:2205.05065},
year = {2022}
}
备注
Accepted by ECCV 2022. Code is available at: https://github.com/TencentARC/MM-RealSR