基于退化调制的真实世界光场图像超分辨率
计算机视觉与模式识别
2023-12-01 v2 图像与视频处理
摘要
近年来，深度神经网络（DNNs）在光场（LF）图像超分辨率（SR）方面取得了巨大进展。然而，现有的基于 DNN 的 LF 图像 SR 方法是在单一固定退化（例如双三次下采样）上开发的，因此无法应用于具有多样退化的真实 LF 图像超分辨率。在本文中，我们提出了一种简单而有效的真实世界 LF 图像 SR 方法。在我们的方法中，开发了一个实用的 LF 退化模型来表述真实 LF 图像的退化过程。然后，设计了一个卷积神经网络将退化先验纳入 SR 过程。通过使用我们构建的退化对 LF 图像进行训练，我们的网络能够学习调制不同的退化，同时整合 LF 图像中的空间和角度信息。在合成退化和真实世界 LF 图像上的大量实验证明了我们方法的有效性。与现有的最先进单图像和 LF 图像 SR 方法相比，我们的方法在广泛的退化范围内实现了优越的 SR 性能，并且对真实 LF 图像具有更好的泛化能力。代码和模型可在 https://yingqianwang.github.io/LF-DMnet/ 获取。
引用
@article{arxiv.2206.06214,
title = {Real-World Light Field Image Super-Resolution via Degradation Modulation},
author = {Yingqian Wang and Zhengyu Liang and Longguang Wang and Jungang Yang and Wei An and Yulan Guo},
journal= {arXiv preprint arXiv:2206.06214},
year = {2023}
}
备注
15 pages, 10 figures