基于渐进对抗网络的感知图像超分辨率
图像与视频处理
2020-03-26 v4 计算机视觉与模式识别
摘要
单图像超分辨率 (SISR) 旨在从单幅小尺寸低质量图像提升其分辨率。随着消费电子在我们日常生活中的普及，该主题变得愈发引人关注。在本文中，我们认为维数灾难是限制最先进算法性能的根本原因。为解决此问题，我们提出渐进对抗网络 (PAN)，其能够应对这一困难以用于特定领域的图像超分辨率。PAN 的关键原则是我们不将任何基于距离的重建误差作为待优化损失，从而免受维数灾难的限制。为保持忠实的重建精度，我们借助 U-Net 与神经架构的渐进增长。编码器中的低级特征可通过 U-Net 传入解码器以增强纹理细节。渐进增长逐步提升图像分辨率，从而保留恢复图像的精度。此外，为获得高保真输出，我们利用强大 StyleGAN 的框架来执行对抗学习。在无维数灾难的情况下，我们的模型能够以显著的照片级真实细节与极少失真对大尺寸图像进行超分辨率。大量实验证明了我们的算法在定量与定性上均优于最先进方法。
引用
@article{arxiv.2003.03756,
title = {Perceptual Image Super-Resolution with Progressive Adversarial Network},
author = {Lone Wong and Deli Zhao and Shaohua Wan and Bo Zhang},
journal= {arXiv preprint arXiv:2003.03756},
year = {2020}
}