SinIR：基于单图像重建的高效通用图像操控
计算机视觉与模式识别
2021-06-15 v1
摘要
我们提出 SinIR，一种基于高效重建的框架，在单张自然图像上训练以用于通用图像操控，包括超分辨率、编辑、调和、绘致图、照片级风格迁移与艺术风格迁移。我们在单张图像上以级联多尺度学习训练模型，其中每个尺度上的网络负责图像重建。与 GAN 目标相比，该重建目标大幅降低了训练的复杂度和运行时间。然而，重建目标也恶化了输出质量。因此，为解决此问题，我们进一步利用简单的随机像素混洗，其受去噪自编码器启发，亦赋予对操控的控制能力。通过定量评估，我们表明 SinIR 在各种图像操控任务上具有竞争力。此外，凭借更简单的训练目标（即重建），SinIR 的训练比解决相似任务的 SinGAN 快 33.5 倍（对于 500 X 500 图像）。我们的代码公开于 github.com/YooJiHyeong/SinIR。
引用
@article{arxiv.2106.07140,
title = {SinIR: Efficient General Image Manipulation with Single Image Reconstruction},
author = {Jihyeong Yoo and Qifeng Chen},
journal= {arXiv preprint arXiv:2106.07140},
year = {2021}
}
备注
Accepted to ICML 2021