两全其美：一种将退化预测与高性能超分辨率网络相结合的框架
计算机视觉与模式识别
2023-01-02 v1 人工智能
机器学习
摘要
迄今为止，性能最佳的盲超分辨率（SR）技术遵循以下两种范式之一：A）在合成的低分辨率-高分辨率（LR-HR）图像对上生成并训练标准 SR 网络，或 B）尝试预测 LR 图像所遭受的退化并利用这些信息指导定制化的 SR 网络。尽管取得了显著进展，前一种范式的支持者错失了可用于改进 SR 过程的有用退化信息。另一方面，后一种范式的追随者依赖于较弱的 SR 网络，其性能显著落后于最新的架构进展。在本工作中，我们提出了一种将任意盲 SR 预测机制与任意深度 SR 网络相结合的框架，使用元数据插入块将预测向量插入 SR 网络特征图。通过全面测试，我们证明了最先进的对比式和迭代式预测方案可在我们的框架内与 RCAN 和 HAN 等高性能 SR 网络成功结合。我们表明，我们的混合模型始终比其非盲和盲对应模型取得更强的 SR 性能。此外，我们通过预测来自模糊、噪声和压缩复杂流水线图像的退化并对其进行超分辨率重建，展示了我们框架的鲁棒性。
引用
@article{arxiv.2211.05018,
title = {The Best of Both Worlds: a Framework for Combining Degradation Prediction with High Performance Super-Resolution Networks},
author = {Matthew Aquilina and Keith George Ciantar and Christian Galea and Kenneth P. Camilleri and Reuben A. Farrugia and John Abela},
journal= {arXiv preprint arXiv:2211.05018},
year = {2023}
}