PULSE：基于生成模型潜空间探索的自监督照片上采样

单图像超分辨率的主要目标是从相应的低分辨率（LR）输入构建高分辨率（HR）图像。在以往通常为监督的方法中，训练目标通常度量超分辨率（SR）图像与 HR 图像之间的逐像素平均距离。优化此类度量常导致模糊，尤其在高中方差（细节）区域。我们提出了一种基于生成正确下采样的逼真 SR 图像的超分辨率问题的替代公式。我们提出一种解决该问题的算法 PULSE（Photo Upsampling via Latent Space Exploration，基于潜空间探索的照片上采样），它生成了文献中前所未见分辨率的髙分辨率逼真图像。它以完全自监督的方式实现，且不局限于训练期间使用的特定退化算子，不同于以往方法（其需要在 LR-HR 图像对数据库上进行监督训练）。PULSE 不是从 LR 图像出发并缓慢添加细节，而是遍历高分辨率自然图像流形，搜索可下采样至原始 LR 图像的图像。这通过“下采样损失”形式化，该损失引导通过生成模型的潜空间进行探索。通过利用高维高斯的性质，我们限制搜索空间以保证逼真输出。PULSE 由此生成既逼真又正确下采样的超分辨率图像。我们在人脸超分辨率（即人脸幻构）领域展示了我们方法的概念验证。我们还讨论了当前实现方法的局限性与偏差，并附上带有相关度量的模型卡。我们的方法在比以往可能的更高分辨率和缩放因子下，在感知质量上优于最先进的方法。