SRWarp：任意变换下的广义图像超分辨率
计算机视觉与模式识别
2021-04-22 v1
摘要
深度 CNN 在图像处理及其应用（包括单图像超分辨率（SR））中已取得显著成功。然而，传统方法仍依赖于某些预定的整数缩放因子，例如 x2 或 x4。因此，当要求任意目标分辨率时，它们难以应用。近期方法将范围扩展到实值上采样因子，甚至具有可变宽高比以应对该限制。本文中，我们提出 SRWarp 框架，将 SR 任务进一步推广至任意图像变换。我们将传统图像变形任务（特别是当输入被放大时）解释为空间变化的 SR 问题。我们还提出若干新公式，包括自适应变形层和多尺度混合，以在变换过程中重建视觉上令人满意的结果。与先前方法相比，我们不将 SR 模型约束于规则网格，而是允许大量可能的形变以实现灵活多样的图像编辑。大量实验与消融研究证明了所提 SRWarp 方法在各种变换下的必要性与优势。
引用
@article{arxiv.2104.10325,
title = {SRWarp: Generalized Image Super-Resolution under Arbitrary Transformation},
author = {Sanghyun Son and Kyoung Mu Lee},
journal= {arXiv preprint arXiv:2104.10325},
year = {2021}
}
备注
Accepted to CVPR 2021