归一化流作为照片级真实超分辨率中灵活的保真度目标
计算机视觉与模式识别
2021-11-08 v1 图像与视频处理
摘要
超分辨率是一个不适定问题，其中真实高分辨率图像仅代表 plausible 解空间中一种可能。然而，主流范式是采用逐像素损失，如 L_1，其将预测推向模糊的平均值。当与对抗损失结合时，这导致根本冲突的目标，降低了最终质量。我们通过重新审视 L_1 损失来解决此问题，并表明它对应于单层条件流。受此关系启发，我们探索将一般流作为 L_1 目标的基于保真度的替代方案。我们证明，当与对抗损失结合时，更深流的灵活性带来了更好的视觉质量与一致性。我们对三个数据集与缩放因子进行了广泛的用户研究，其中我们的方法被证明在照片级真实超分辨率上优于最先进的方法。代码与训练模型将发布于：git.io/AdFlow
引用
@article{arxiv.2111.03649,
title = {Normalizing Flow as a Flexible Fidelity Objective for Photo-Realistic Super-resolution},
author = {Andreas Lugmayr and Martin Danelljan and Fisher Yu and Luc Van Gool and Radu Timofte},
journal= {arXiv preprint arXiv:2111.03649},
year = {2021}
}