使用无棋盘效应的卷积神经网络进行超分辨率
计算机视觉与模式识别
2018-06-08 v1
摘要
众所周知，许多基于卷积神经网络（CNNs）的优秀超分辨率（SR）方法会产生棋盘效应。本文提出了一种避免棋盘效应的条件。迄今为止，棋盘效应主要针对线性多速率系统进行研究，但由于 CNNs 的非线性，避免棋盘效应的条件无法直接应用于 CNNs。我们将该避免条件扩展至 CNNs，并将所提出的结构应用于若干典型的 SR 方法，以验证新方案的有效性。实验结果表明，在均方误差和感知损失两种损失条件下，所提出的结构能够完美避免产生棋盘效应，同时保持 SR 方法原有的优异特性。
引用
@article{arxiv.1806.02658,
title = {Super-Resolution using Convolutional Neural Networks without Any Checkerboard Artifacts},
author = {Yusuke Sugawara and Sayaka Shiota and Hitoshi Kiya},
journal= {arXiv preprint arXiv:1806.02658},
year = {2018}
}
备注
To appear in Proc. ICIP2018 October 07-10, 2018, Athens, Greece