利用图像统计的简单高效非配对真实世界超分辨率方法
图像与视频处理
2021-09-21 v1 计算机视觉与模式识别
摘要
在没有配对的低分辨率（LR）和高分辨率（HR）图像的情况下学习超分辨率（SR）网络是困难的，因为通过相应HR对应图像的直接监督不可用。近来，许多真实世界SR研究利用非配对图像到图像翻译技术。即，它们使用两个或多个生成对抗网络（GAN），每个网络将图像从一个域翻译到另一域，例如，将HR域图像翻译到LR域。然而，利用GAN使用非配对数据稳定地学习此种翻译并不容易。在本研究中，我们提出一种简单高效的真实世界SR网络训练方法。为稳定训练网络，我们使用图像块的统计信息，如均值和方差。我们的真实世界SR框架由两个GAN组成，一个用于将HR图像翻译为LR图像（退化任务），另一个用于将LR翻译为HR（SR任务）。我们认为，使用我们所提出的数据采样策略即方差匹配，利用GAN的非配对图像翻译可以被高效学习。我们在NTIRE 2020真实世界SR数据集上测试了我们的方法。我们的方法在SSIM指标上优于当前最先进的方法，并在LPIPS指标上产生可比的结果。
引用
@article{arxiv.2109.09071,
title = {Simple and Efficient Unpaired Real-world Super-Resolution using Image Statistics},
author = {Kwangjin Yoon},
journal= {arXiv preprint arXiv:2109.09071},
year = {2021}
}