RRSR：基于互参考的图像超分辨率及其渐进特征对齐与选择
计算机视觉与模式识别
2022-11-09 v1
摘要
基于参考的图像超分辨率（RefSR）是一个有前景的超分辨率分支，并在克服单图像超分辨率的局限方面展现出巨大潜力。先前最先进的 RefSR 方法主要关注提升参考特征迁移的有效性与鲁棒性，却普遍忽视了一个事实：当一幅重建良好的 SR 图像被用作参考时，它应当能使其相似的 LR 图像获得更好的 SR 重建。因此，本工作中我们提出一种互学习框架，可恰当利用该事实来强化 RefSR 网络的学习。此外，我们专门设计了一个渐进特征对齐与选择模块，以进一步提升 RefSR 任务。新提出的模块在多尺度特征空间中对参考-输入图像进行对齐，并以渐进方式执行参考感知的特征选择，从而更精确的参考特征可被迁移至输入特征，网络能力得以增强。我们的互学习范式与模型无关，可应用于任意 RefSR 模型。我们通过实验表明，多个近期最先进的 RefSR 模型借助我们的互学习范式均能持续获得提升。进而，我们提出的模型连同互学习策略在多个基准上确立了新的最先进性能。
引用
@article{arxiv.2211.04203,
title = {RRSR:Reciprocal Reference-based Image Super-Resolution with Progressive Feature Alignment and Selection},
author = {Lin Zhang and Xin Li and Dongliang He and Fu Li and Yili Wang and Zhaoxiang Zhang},
journal= {arXiv preprint arXiv:2211.04203},
year = {2022}
}
备注
8 figures, 17 pages