半监督超分辨率

超分辨率是通过提升合理分辨率来改善低分辨率照片质量的技术。计算机视觉界已广泛探索超分辨率领域。然而，先前的超分辨率方法需要大量数据用于训练，这在仅有极少低分辨率—高分辨率配对可用的领域成为问题。统计降尺度即这样一个领域，其中超分辨率正日益被用于从低分辨率数据获取高分辨率气候信息。获取高分辨率气候数据极其昂贵且具挑战性。为降低生成高分辨率气候信息的成本，超分辨率算法应能以有限数量的低分辨率—高分辨率配对进行训练。本文试图通过引入一种半监督方式来执行超分辨率以解决上述问题，其能用少至 500 个配对样本生成清晰的高分辨率图像。所提半监督技术可用作即插即用模块，与任何有监督的基于 GAN 的超分辨率方法结合以提升其性能。我们从定量与定性上分析所提模型的性能，并与完全有监督方法及其他无监督技术比较。综合评估显示我们的方法在不同指标上优于其他方法。我们还给出了该方法在统计降尺度中获取高分辨率气候图像方面的适用性。