Real-ESRGAN：使用纯合成数据训练真实世界盲超分辨率
图像与视频处理
2021-08-18 v2 计算机视觉与模式识别
摘要
尽管在盲超分辨率方面已经做出了许多尝试来恢复具有未知和复杂退化的低分辨率图像，但它们距离处理一般真实世界的退化图像仍然相差甚远。在这项工作中，我们将强大的 ESRGAN 扩展到实际的恢复应用（即 Real-ESRGAN），该应用使用纯合成数据进行训练。具体而言，引入了高阶退化建模过程以更好地模拟复杂的真实世界退化。我们还考虑了合成过程中常见的振铃和过冲伪影。此外，我们采用了带有谱归一化的 U-Net 判别器，以提高判别器能力并稳定训练动态。大量比较表明，在多个真实数据集上，其视觉性能优于先前的工作。我们还提供了高效的实现，以即时合成训练对。
引用
@article{arxiv.2107.10833,
title = {Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data},
author = {Xintao Wang and Liangbin Xie and Chao Dong and Ying Shan},
journal= {arXiv preprint arXiv:2107.10833},
year = {2021}
}
备注
Tech Report. Training/testing codes and executable files are in https://github.com/xinntao/Real-ESRGAN