SRPGAN：用于单图像超分辨率的感知生成对抗网络
计算机视觉与模式识别
2017-12-21 v2
摘要
单图像超分辨率（SISR）是从单张低分辨率图像重建高分辨率图像。过去二十年中，SISR 任务一直是非常吸引人的研究课题。近年来，基于卷积神经网络（CNN）的模型在 SISR 任务上取得了优异性能。尽管使用 CNN 模型取得了突破，仍有一些问题尚未解决，例如如何恢复高分辨率图像的高频细节。以往的基于 CNN 的模型总是使用逐像素损失，如 l2 损失。虽然这些模型构建的高分辨率图像具有高峰值信噪比（PSNR），但它们往往趋于模糊且缺乏高频细节，尤其是在大缩放因子下。本文中，我们为 SISR 任务构建了一个超分辨率感知生成对抗网络（SRPGAN）框架。在该框架中，我们基于所构建 SRPGAN 模型的判别器提出了一种鲁棒的感知损失。我们使用 Charbonnier 损失函数构建内容损失，并将其与所提出的感知损失和对抗损失相结合。与其他最先进的方法相比，我们的方法在构建具有锐利边缘和丰富细节的图像方面表现出很强的能力。我们还在不同基准上评估了我们的方法，并与先前基于 CNN 的方法进行比较。结果表明，我们的方法在大多数基准上可比以往最先进方法取得高得多的结构相似性指数（SSIM）分数。
引用
@article{arxiv.1712.05927,
title = {SRPGAN: Perceptual Generative Adversarial Network for Single Image Super Resolution},
author = {Bingzhe Wu and Haodong Duan and Zhichao Liu and Guangyu Sun},
journal= {arXiv preprint arXiv:1712.05927},
year = {2017}
}