UltraSR：空间编码是基于隐式图像函数的任意尺度超分辨率中被遗漏的关键
计算机视觉与模式识别
2022-07-06 v2
摘要
近期 NeRF 及其他相关隐式神经表示方法的成功为连续图像表示开辟了新路径，其中像素值不再需要从存储的离散 2D 数组中查找，而是可以从连续空间域上的神经网络模型推断。尽管近期工作 LIIF 已证明此类新方法能在任意尺度超分辨率任务上取得良好性能，但其放大图像常因高频纹理预测不准确而呈现结构失真。在本工作中，我们提出 UltraSR，一种基于隐式图像函数的简单而有效的新网络设计，其中我们将空间坐标与周期编码深度整合进隐式神经表示。通过大量实验和消融研究，我们表明空间编码是迈向下一代高性能隐式图像函数所缺失的关键。我们的 UltraSR 在所有超分辨率尺度下相对于先前最先进方法在 DIV2K 基准上确立了新的 SOTA 性能。UltraSR 在其他标准基准数据集上也取得了优越性能，在几乎所有实验中均优于先前工作。
引用
@article{arxiv.2103.12716,
title = {UltraSR: Spatial Encoding is a Missing Key for Implicit Image Function-based Arbitrary-Scale Super-Resolution},
author = {Xingqian Xu and Zhangyang Wang and Humphrey Shi},
journal= {arXiv preprint arXiv:2103.12716},
year = {2022}
}