基于高质量先验与退化学习的感知图像复原
图像与视频处理
2021-03-05 v1 计算机视觉与模式识别
摘要
感知图像复原旨在寻找最可能退化为给定图像的高保真图像。为了获得更好的视觉质量，先前的工作提出通过利用生成模型的潜空间在自然图像流形内搜索解。然而，只有当潜嵌入接近先验分布时，生成图像的质量才得以保证。在本工作中，我们提出将可行区域限制在先验流形内。这是通过两个分布之间的非参数度量——最大均值差异（MMD）来实现的。此外，我们将退化过程直接建模为条件分布。我们表明，我们的模型在度量复原图像与退化图像之间的相似性方面表现良好。我们不再优化长期受诟病的基于退化图像的像素级距离，而是依赖该模型以高概率寻找视觉愉悦的图像。我们的同步复原与增强框架对真实世界中复杂的退化类型具有良好泛化性。在感知质量和无参考图像质量评价（NR-IQA）上的实验结果证明了我们方法的优越性能。
引用
@article{arxiv.2103.03010,
title = {Perceptual Image Restoration with High-Quality Priori and Degradation Learning},
author = {Chaoyi Han and Yiping Duan and Xiaoming Tao and Jianhua Lu},
journal= {arXiv preprint arXiv:2103.03010},
year = {2021}
}