StarSRGAN：改进真实世界盲超分辨率
图像与视频处理
2023-08-01 v1 计算机视觉与模式识别
摘要
计算机视觉中盲超分辨率（SR）的目标是在不知晓导致图像低分辨率的退化过程先验知识的情况下提高图像分辨率。当前最优（SOTA）模型 Real-ESRGAN 改进了感知损失，并使用更复杂的退化模型来模拟真实世界退化，产生了视觉上令人信服的结果。然而，通过应用近期技术仍有空间改进 Real-ESRGAN 的超分辨质量。本研究论文介绍了 StarSRGAN，一种为利用 5 种不同架构的盲超分辨率任务设计的新型 GAN 模型。我们的模型提供了全新的 SOTA 性能，在 MANIQA 和 AHIQ 指标上约提升 10%，实验与 Real-ESRGAN 的对比证明了这一点。此外，作为紧凑版本，StarSRGAN Lite 提供了约 7.5 倍更快的重建速度（从 540p 到 4K 的实时上采样），但仍能保持近 90% 的图像质量，从而推动未来研究中实时 SR 体验的发展。我们的代码发布于 https://github.com/kynthesis/StarSRGAN。
引用
@article{arxiv.2307.16169,
title = {StarSRGAN: Improving Real-World Blind Super-Resolution},
author = {Khoa D. Vo and Len T. Bui},
journal= {arXiv preprint arXiv:2307.16169},
year = {2023}
}
备注
11 pages, 7 figures, 2 tables, accepted for oral presentation at WSCG 2023