利用对抗学习实现全景图像超分辨率
计算机视觉与模式识别
2019-08-14 v1 机器学习
多媒体
图像与视频处理
摘要
全景图像（ODI）使观看者能够通过头戴式显示器从固定点向各个方向观看，相较于标准图像提供沉浸式体验。设计基于 ODI 的沉浸式虚拟现实系统具有挑战性，因为它们需要高分辨率内容。本文中，我们研究 ODI 的超分辨率，并提出一种改进的基于生成对抗网络的模型，该模型经过优化以处理在球观测空间中获得的伪影。具体而言，我们提议使用快速 PatchGAN 判别器，因其所需参数更少并在精细尺度上改善超分辨率。我们还通过引入称为 360-SS 的球内容特定损失函数，探索具有对抗学习的生成模型。为训练并测试我们所提模型的性能，我们准备了包含 4500 张 ODI 的数据集。我们的结果证明了所提方法的有效性，并指出了 ODI 超分辨率中供未来研究的新挑战。
引用
@article{arxiv.1908.04297,
title = {Super-resolution of Omnidirectional Images Using Adversarial Learning},
author = {Cagri Ozcinar and Aakanksha Rana and Aljosa Smolic},
journal= {arXiv preprint arXiv:1908.04297},
year = {2019}
}