Tarsier:在超分辨率 GAN 中演化噪声注入
计算机视觉与模式识别
2020-09-28 v1 机器学习
图像与视频处理
摘要
超分辨率旨在提高图像的分辨率和细节水平。当前通用单图像超分辨率的 state of the art 由 NESRGAN+ 保持,其在训练时于每个残差层后注入高斯噪声。在本文中,我们利用进化方法通过优化推理时的噪声注入来改进 NESRGAN+。更确切地说,我们使用 Diagonal CMA 根据结合质量评估和真实感的新准则来优化注入的噪声。我们的结果通过 PIRM 感知分数和一项人类研究得到验证。我们的方法在多个标准超分辨率数据集上优于 NESRGAN+。更一般地,我们的方法可用于优化任何基于噪声注入的方法。
引用
@article{arxiv.2009.12177,
title = {Tarsier: Evolving Noise Injection in Super-Resolution GANs},
author = {Baptiste Roziere and Nathanal Carraz Rakotonirina and Vlad Hosu and Andry Rasoanaivo and Hanhe Lin and Camille Couprie and Olivier Teytaud},
journal= {arXiv preprint arXiv:2009.12177},
year = {2020}
}