RankSRGAN：带排序器的生成对抗网络用于图像超分辨率
计算机视觉与模式识别
2019-08-27 v2
摘要
生成对抗网络（GAN）已展现出为单幅图像超分辨率（SISR）恢复逼真细节的潜力。为进一步提升超分辨结果的视觉质量，PIRM2018-SR 挑战赛采用感知指标来评估感知质量，如 PI、NIQE 和 Ma。然而，现有方法无法直接优化这些不可微的感知指标，而这些指标已被证明与人类评分高度相关。为解决该问题，我们提出带排序器的超分辨率生成对抗网络（RankSRGAN），以沿感知指标方向优化生成器。具体而言，我们首先训练一个能学习感知指标行为的排序器，然后引入一种新颖的排序内容损失来优化感知质量。最吸引人之处在于，所提方法可结合不同 SR 方法的优势以生成更好的结果。大量实验表明，RankSRGAN 取得了视觉上令人愉悦的结果，并在感知指标上达到最先进的性能。项目主页：https://wenlongzhang0724.github.io/Projects/RankSRGAN
引用
@article{arxiv.1908.06382,
title = {RankSRGAN: Generative Adversarial Networks with Ranker for Image Super-Resolution},
author = {Wenlong Zhang and Yihao Liu and Chao Dong and Yu Qiao},
journal= {arXiv preprint arXiv:1908.06382},
year = {2019}
}
备注
ICCV 2019 (Oral) camera-ready + supplementary; Project page: https://wenlongzhang0724.github.io/Projects/RankSRGAN