基于 StyleGAN 正则化潜空间搜索的超分辨率：真实感与保真度的权衡
计算机视觉与模式识别
2023-11-29 v1
摘要
本文研究超分辨率问题：由低分辨率（LR）图像构建高分辨率（HR）图像。近期的无监督方法在基于 HR 图像预训练的 StyleGAN 的潜空间中搜索最能下采样至输入 LR 图像的图像。然而，它们往往生成域外图像，且无法准确重建远离原始域的 HR 图像。我们的贡献有两点。首先，我们引入一种新的正则化器来约束潜空间中的搜索，确保反演得到的编码位于原始图像流形内。其次，我们通过在最优潜码周围扩展图像先验进一步增强重建。我们的结果表明，所提方法在较大放大倍数下能恢复真实感的高质量图像。此外，在较低放大倍数下，它仍能重建生成器原本无法生成的细节。总体而言，我们的方法在超分辨率任务中实现了保真度与真实感之间的良好权衡。
引用
@article{arxiv.2311.16923,
title = {Super-Resolution through StyleGAN Regularized Latent Search: A Realism-Fidelity Trade-off},
author = {Marzieh Gheisari and Auguste Genovesio},
journal= {arXiv preprint arXiv:2311.16923},
year = {2023}
}