面向单图像超分辨率的渐进式感知网络
计算机视觉与模式识别
2020-09-14 v2 图像与视频处理
摘要
最近，已有研究表明深度神经网络能够显著提升单图像超分辨率的性能。大量研究集中于提升超分辨率图像的定量质量。然而，这些以最大化 PSNR 为目标的方法在大放大倍数下通常会产生模糊的图像。生成对抗网络的引入缓解了这一问题，并利用合成的高频纹理展示了令人印象深刻的结果。尽管如此，这些基于 GAN 的方法总是倾向于添加虚假纹理甚至伪影，以使 SR 图像具有视觉上更高的分辨率。在本文中，我们提出了一种新颖的感知图像超分辨率方法，该方法通过构建一个分阶段网络逐步生成视觉上高质量的结果。具体而言，第一阶段集中于最小化逐像素误差，第二阶段利用前一阶段提取的特征以追求具有更好结构保持的结果。最后阶段利用第二阶段蒸馏出的精细结构特征来产生更真实的结果。通过这种方式，我们能够尽可能多地保持感知图像中的像素级和结构级信息。值得注意的是，所提出的方法能够在一次前馈过程中构建三种类型的图像。此外，我们探索了一种采用多尺度分层特征融合的新生成器。在基准数据集上的大量实验表明，我们的方法优于 SOTA 方法。代码可在 https://github.com/Zheng222/PPON 获取。
引用
@article{arxiv.1907.10399,
title = {Progressive Perception-Oriented Network for Single Image Super-Resolution},
author = {Zheng Hui and Jie Li and Xinbo Gao and Xiumei Wang},
journal= {arXiv preprint arXiv:1907.10399},
year = {2020}
}
备注
Information Sciences 2020