基于感受野块的感知极端超分辨率网络
图像与视频处理
2020-05-27 v1 计算机视觉与模式识别
摘要
单图像感知极端超分辨率极为困难，因为不同图像的纹理细节差异很大。为应对该困难，我们基于 Enhanced SRGAN 开发了一种带感受野块的超分辨率网络，称之为 RFB-ESRGAN。主要贡献如下：首先，为提取多尺度信息并增强特征可辨别性，我们将感受野块（RFB）应用于超分辨率；RFB 在目标检测与分类中已取得有竞争力的结果。其次，在多尺度感受野块中不使用大卷积核，而是在 RFB 中使用若干小卷积核，使我们能够提取细节特征并降低计算复杂度。第三，我们在上采样阶段交替使用不同上采样方法，以降低高计算复杂度并保持令人满意的性能。第四，我们使用 10 个不同迭代模型的集成来提高模型鲁棒性并降低各单独模型引入的噪声。实验结果表明了 RFB-ESRGAN 的优越性能。根据 NTIRE 2020 感知极端超分辨率挑战赛的初步结果，我们的方案在所有参与者中排名第一。
引用
@article{arxiv.2005.12597,
title = {Perceptual Extreme Super Resolution Network with Receptive Field Block},
author = {Taizhang Shang and Qiuju Dai and Shengchen Zhu and Tong Yang and Yandong Guo},
journal= {arXiv preprint arXiv:2005.12597},
year = {2020}
}
备注
CVPRW 2020 accepted oral, 8 pages,45 figures