基于分割先验自注意力生成对抗网络的超分辨率方法
计算机视觉与模式识别
2020-03-10 v1 机器学习
图像与视频处理
摘要
卷积神经网络(CNN)因其优越性能被密集用于解决超分辨率(SR)任务。然而,由于缺乏先验知识以及 CNN 感受野较小,超分辨率问题仍具挑战性。我们提出分割先验自注意力生成对抗网络(SPSAGAN),将分割先验与特征注意力整合到统一框架中。这一组合由精心设计的加权加法引导,以平衡特征注意力与分割注意力的影响,使网络能够强化同一分割类别中的纹理,同时关注长距离特征关系。我们还提出一种称为残差内稀疏块(RRSB)的轻量级跳跃连接架构,以进一步提升超分辨率性能并节省计算量。大量实验表明,在多个 SR 数据集上,SPSAGAN 相比当前最优的 SFTGAN 与 ESRGAN 能生成更真实且视觉更令人满意的纹理。
引用
@article{arxiv.2003.03489,
title = {Super Resolution Using Segmentation-Prior Self-Attention Generative Adversarial Network},
author = {Yuxin Zhang and Zuquan Zheng and Roland Hu},
journal= {arXiv preprint arXiv:2003.03489},
year = {2020}
}