多尺度递归与感知-失真可控的图像超分辨率
图像与视频处理
2019-01-31 v2 计算机视觉与模式识别
机器学习
信号处理
摘要
我们描述了针对PIRM 2018超分辨率挑战赛的方案，其中我们在平均RMSE<=16时取得第2佳感知质量，RMSE<=12.5时第5佳，RMSE<=11.5时第7佳。我们修改了近期提出的多网格反投影（MGBP）架构，使其作为生成系统工作，并带有一个可控制输出中人工细节量的输入参数。我们提出一种用于对抗训练的判别器，具有以下新颖特性：它是多尺度的，类似于progressive-GAN；它是递归的，以平衡生成器架构；并且它包含一个新的层以捕获自然图像的显著统计。最后，我们提出一种避免重建损失与感知损失间冲突的训练策略。我们的配置仅使用281k参数，并以平均0.2s每幅图像对竞赛图像进行上采样。
引用
@article{arxiv.1809.10711,
title = {Multi-Scale Recursive and Perception-Distortion Controllable Image Super-Resolution},
author = {Pablo Navarrete Michelini and Dan Zhu and Hanwen Liu},
journal= {arXiv preprint arXiv:1809.10711},
year = {2019}
}
备注
In ECCV 2018 Workshops. Won 2nd place in Region 3 of PIRM-SR Challenge 2018. Code and models are available at https://github.com/pnavarre/pirm-sr-2018