感知-失真平衡的超分辨率：多目标优化视角
图像与视频处理
2024-09-25 v2 计算机视觉与模式识别
摘要
高感知质量和低失真度是超分辨率等图像恢复任务的两个重要目标。大多数现有的超分辨率方法旨在通过最小化相应但相互冲突的损失（如损失和对抗损失）来实现这些目标。不幸的是，常用的基于梯度的优化器（如Adam）由于矛盾损失的梯度下降方向相反，难以平衡这些目标。在本文中，我们将超分辨率中的感知-失真权衡表述为一个多目标优化问题，并通过将无梯度进化算法（EA）与基于梯度的Adam相结合开发了一种新的优化器，其中EA和Adam分别关注优化方向的分歧和收敛。结果，获得了一组具有不同感知-失真偏好的最优模型。然后我们设计了一个融合网络，将这些模型合并成一个更强的单一模型，以实现有效的感知-失真权衡。实验表明，在相同骨干网络下，通过我们的方法训练的感知-失真平衡超分辨率模型可以在获得更好重建保真度的同时，实现比竞争对手更好的感知质量。代码和模型可在https://github.com/csslc/EA-Adam找到。
引用
@article{arxiv.2312.15408,
title = {Perception-Distortion Balanced Super-Resolution: A Multi-Objective Optimization Perspective},
author = {Lingchen Sun and Jie Liang and Shuaizheng Liu and Hongwei Yong and Lei Zhang},
journal= {arXiv preprint arXiv:2312.15408},
year = {2024}
}