语义精确超分辨率生成对抗网络
计算机视觉与模式识别
2022-05-19 v1 图像与视频处理
摘要
本工作通过联合考量语义分割与图像超分辨率在训练生成对抗网络（GAN）中的性能，来解决这两方面的问题。我们提出一种新颖的架构与领域特定特征损失，使超分辨率可作为预处理步骤以提升下游计算机视觉任务（具体为语义分割）的性能。我们使用 Nearmap 的航空影像数据集展示了该方法，该数据集以每像素 5-7 cm 分辨率覆盖数百个城区。我们表明，相较于最先进的单网络方法，所提方法在所有预测类别上均提升了感知图像质量与定量分割精度，在 4 倍与 32 倍超分辨率下分别带来平均 11.8% 与 108% 的精度提升。本工作证明联合考量基于图像与任务特定的损失可改善两者性能，并推进了航空影像语义感知超分辨率的最先进水平。
引用
@article{arxiv.2205.08659,
title = {Semantically Accurate Super-Resolution Generative Adversarial Networks},
author = {Tristan Frizza and Donald G. Dansereau and Nagita Mehr Seresht and Michael Bewley},
journal= {arXiv preprint arXiv:2205.08659},
year = {2022}
}
备注
11 pages, 7 figures