SimUSR：面向无监督图像超分辨率的简单而强大的基线
计算机视觉与模式识别
2020-04-24 v1
摘要
在本文中，我们处理完全无监督的超分辨率问题，即既没有配对图像也没有真实高分辨率（HR）图像。我们假设，与高分辨率图像相比，低分辨率（LR）图像相对容易收集。通过允许多张 LR 图像，我们通过对 LR 图像进行去噪和下采样构建了一组伪配对，并将原始无监督问题转化为低一层的监督学习问题。尽管这一研究思路很容易想到，因此应该在任何复杂的无监督方法之前被研究，但令人惊讶的是，目前尚无此类研究。此外，我们表明这种简单的方法在运行时以极短的延迟优于 SOTA 无监督方法，并显著缩小了与 HR 监督模型的差距。我们将我们的方法提交至 NTIRE 2020 超分辨率挑战赛，获得了 PSNR 第一名、SSIM 第二名和 LPIPS 第十三名。这种简单的方法应被用作未来需要超越的基线，尤其是在训练阶段允许使用多张 LR 图像时。然而，即使在零样本条件下，我们认为该方法也可作为一个有用的基线，以观察监督与无监督框架之间的差距。
引用
@article{arxiv.2004.11020,
title = {SimUSR: A Simple but Strong Baseline for Unsupervised Image Super-resolution},
author = {Namhyuk Ahn and Jaejun Yoo and Kyung-Ah Sohn},
journal= {arXiv preprint arXiv:2004.11020},
year = {2020}
}