用于改进超分辨率的“一对多”方法
图像与视频处理
2021-08-20 v4 计算机视觉与模式识别
机器学习
摘要
近来，关于超分辨率的病态本质（即给定一张低分辨率图像存在多种可能重建结果）已有诸多讨论。利用归一化流，SRFlow[23]通过学习输出的分布而非确定性的单估计输出，实现了最先进的感知质量。本文中，我们借鉴SRFlow的概念，通过恰当实现“一对多”特性来改进基于GAN的超分辨率。我们修改生成器以估计作为随机噪声映射的一个分布。我们改进了阻碍感知训练目标的内容损失。我们还提出了额外的训练技术以进一步增强生成图像的感知质量。使用我们提出的方法，我们能够改进ESRGAN[1]在x4感知超分辨率上的性能，并通过将我们的方法应用于RFB-ESRGAN[21]在x16感知极端超分辨率上取得最先进的LPIPS分数。
引用
@article{arxiv.2106.10437,
title = {One-to-many Approach for Improving Super-Resolution},
author = {Sieun Park and Eunho Lee},
journal= {arXiv preprint arXiv:2106.10437},
year = {2021}
}