基于双相对平均生成对抗网络的感知导向单图像超分辨率
图像与视频处理
2020-02-21 v3 计算机视觉与模式识别
摘要
残差与稠密神经网络极大地推动了图像超分辨率(SR)的发展，并取得了诸多令人瞩目的成果。据我们观察，尽管更多的层与连接总能提升性能，但模型参数的增加不利于 SR 算法的实际应用。此外，由 L1/L2 损失监督的算法在传统指标如 PSNR 与 SSIM 上可获得可观性能，却导致模糊且过度平滑、缺乏充足高频细节的输出，即较低的感知指数(PI)。针对这些问题，本文通过双相对平均生成对抗网络开发了一种感知导向的单图像 SR 算法。在生成器部分，提出一种新颖的残差通道注意力块以重新校准特定通道的重要性，进一步增强特征表达能力。每个块内卷积层的参数被共享，以在保持可调节参数数量不变的同时扩展感受野。特征图经亚像素卷积下采样以获得重建的高分辨率图像。判别器部分由两个分别在像素域与特征域工作的相对平均判别器组成，充分利用小批量中一半数据为伪造的先验。采用感知损失与对抗损失的不同加权组合来监督生成器，以平衡感知质量与客观结果。实验结果与消融研究表明，所提算法能以更少的参数在感知上(PI 最小化)与客观上(PSNR 最大化)媲美最先进的 SR 算法。
引用
@article{arxiv.1911.03464,
title = {Perception-oriented Single Image Super-Resolution via Dual Relativistic Average Generative Adversarial Networks},
author = {Yuan Ma and Kewen Liu and Hongxia Xiong and Panpan Fang and Xiaojun Li and Yalei Chen and Chaoyang Liu},
journal= {arXiv preprint arXiv:1911.03464},
year = {2020}
}
备注
Re-submit after codes reviewing