基于排他双学习的真实世界图像超分辨率
计算机视觉与模式识别
2022-06-07 v1 机器学习
图像与视频处理
摘要
真实世界图像超分辨率是一项实用的图像复原问题，旨在从野外部输入中获取高质量图像，因其巨大的应用潜力近来受到相当关注。尽管基于深度学习的方法在真实世界图像超分辨率数据集上取得了有前景的复原质量，但它们忽略了 L1 最小化与感知最小化之间的关系，并粗略地采用辅助大规模数据集进行预训练。在本文中，我们讨论了受损图像中的图像类型以及基于感知和基于欧几里得的评估协议的性质。然后我们提出一种方法，即基于排他双学习的真实世界图像超分辨率（RWSR-EDL），以解决基于感知和基于 L1 的协同学习中的特征多样性问题。此外，开发了噪声引导数据收集策略，以解决多数据集优化中的训练时间消耗问题。当引入辅助数据集时，RWSR-EDL 取得了有前景的结果，并通过采用噪声引导数据收集策略避免了任何训练时间的增加。大量实验表明，RWSR-EDL 在四个野外部图像超分辨率数据集上相对于最先进的方法取得了具有竞争力的性能。
引用
@article{arxiv.2206.02609,
title = {Real-World Image Super-Resolution by Exclusionary Dual-Learning},
author = {Hao Li and Jinghui Qin and Zhijing Yang and Pengxu Wei and Jinshan Pan and Liang Lin and Yukai Shi},
journal= {arXiv preprint arXiv:2206.02609},
year = {2022}
}
备注
IEEE TMM 2022; Considering large volume of RealSR datasets, a multi-dataset sampling scheme is developed