基于显式自然流形判别的自然逼真单图像超分辨率

近来，许多用于单图像超分辨率（SISR）的卷积神经网络被提出，其侧重于依据客观失真度量重建高分辨率图像。然而，以客观损失函数训练的网络通常无法重建对提升感知质量至关重要的逼真精细纹理与细节。恢复逼真细节仍是一个具有挑战性的问题，仅有少数工作旨在通过生成增强纹理来提高感知质量。然而，生成的虚假细节常带来不良伪影，且整体图像显得有些不自然。因此，本文提出一种新方法，在保持结果自然度的同时，重建具有高感知质量的逼真超分辨率图像。特别地，我们关注 SISR 问题的域先验属性。具体而言，我们在低层域中定义自然度先验，并将输出图像约束于自然流形中，从而最终生成更自然、更逼真的图像。我们的结果表明，相较于包括感知导向算法在内的最新超分辨率算法，本方法具有更好的自然度。