SRTGAN：基于三元组损失的生成对抗网络用于真实世界超分辨率
图像与视频处理
2022-11-23 v1 计算机视觉与模式识别
摘要
许多应用如取证、监控、卫星成像、医学成像等需要高分辨率（HR）图像。然而，由于光学传感器的限制及其成本，获得 HR 图像并非总是可行。一种称为单图像超分辨率（SISR）的替代解决方案是软件驱动的方法，旨在取一张低分辨率（LR）图像并获得 HR 图像。大多数有监督的 SISR 解决方案使用真实 HR 图像作为目标，并且不包含 LR 图像中提供的可能有价值的信息。在这项工作中，我们引入了基于三元组损失的生成对抗网络，以下称为 SRTGAN，用于真实世界退化下的图像超分辨率问题。我们引入了一种新的基于三元组的对抗损失函数，通过使用 LR 图像作为负样本来利用 LR 图像中提供的信息。允许基于块的判别器访问 HR 和 LR 图像两者可优化以更好区分 HR 和 LR 图像；从而改进对抗过程。进一步，我们提议融合对抗损失、内容损失、感知损失和质量损失以获得具有高感知保真度的超分辨率（SR）图像。我们在 RealSR 数据集上通过定量和定性指标验证了所提方法相对于其他现有方法的优越性能。
引用
@article{arxiv.2211.12180,
title = {SRTGAN: Triplet Loss based Generative Adversarial Network for Real-World Super-Resolution},
author = {Dhruv Patel and Abhinav Jain and Simran Bawkar and Manav Khorasiya and Kalpesh Prajapati and Kishor Upla and Kiran Raja and Raghavendra Ramachandra and Christoph Busch},
journal= {arXiv preprint arXiv:2211.12180},
year = {2022}
}
备注
Affiliated with the Sardar Vallabhbhai National Institute of Technology (SVNIT), India and Norwegian University of Science and Technology (NTNU), Norway. Presented at the 7th International Conference on Computer Vision and Image Processing (CVIP) 2022