像素递归超分辨率
计算机视觉与模式识别
2017-03-23 v2 机器学习
摘要
我们提出一种像素递归超分辨率模型，在提升图像分辨率的同时将真实细节合成到图像中。低分辨率图像可能对应多个合理的高分辨率图像，因此用像素独立条件模型对超分辨率过程建模常导致不同细节的平均化——从而产生模糊边缘。相比之下，我们的模型能够通过适当建模高分辨率图像像素之间、以低分辨率输入为条件的统计依赖关系，来表示多模态条件分布。我们采用 PixelCNN 架构来定义自然图像上的强先验，并将该先验与深度条件卷积网络联合优化。人类评估表明，我们提出模型的采样结果比强大的 L2 回归基线看起来更具照片真实感。
引用
@article{arxiv.1702.00783,
title = {Pixel Recursive Super Resolution},
author = {Ryan Dahl and Mohammad Norouzi and Jonathon Shlens},
journal= {arXiv preprint arXiv:1702.00783},
year = {2017}
}