面向潜特征的单图像超分辨率重建
图像与视频处理
2023-11-10 v3 计算机视觉与模式识别
摘要
单图像超分辨率（single-image super-resolution, SISR）通常侧重于将各种退化的低分辨率（low-resolution, LR）图像恢复为单张高分辨率（high-resolution, HR）图像。然而，在 SISR 任务中，模型往往难以在保持高质量和快速采样的同时保留细节与纹理特征的多样性。这一挑战可能导致模型崩溃、重建的 HR 图像缺乏丰富细节与纹理特征以及模型采样耗时过长等问题。为解决这些问题，本文提出了一种面向潜特征的扩散概率模型（Latent Feature-oriented Diffusion Probability Model, LDDPM）。首先，我们设计了一个条件编码器，能够有效编码 LR 图像，缩减模型图像重建的解空间，从而提升重建图像的质量。随后，我们采用归一化流与多模态对抗训练，从复杂多模态分布中学习，对去噪分布进行建模。此举在最少采样步数内增强了生成建模能力。在主流数据集上，我们所提模型与现有 SISR 方法的实验对比表明，我们的模型重建出更真实的 HR 图像，并在多项评价指标上取得更优性能，为应对 SISR 任务提供了新视角。
引用
@article{arxiv.2211.12845,
title = {Super-resolution Reconstruction of Single Image for Latent features},
author = {Xin Wang and Jing-Ke Yan and Jing-Ye Cai and Jian-Hua Deng and Qin Qin and Yao Cheng},
journal= {arXiv preprint arXiv:2211.12845},
year = {2023}
}