使用 ESRGAN 的超分辨率不确定性估计

在生成对抗网络的辅助下，基于深度学习的图像超分辨率（SR）获得了越来越多的关注。诸如 SRGAN 和 ESRGAN 等模型一直名列最佳图像 SR 工具之列。然而，它们缺乏估计预测不确定性的原则性方法。在本研究中，我们使用 Monte Carlo-Dropout 和 Deep Ensemble 增强了这些模型，从而能够计算预测不确定性。与预测相结合时，不确定性估计可以向模型用户提供更多信息，突出显示 SR 输出可能不确定（因此可能不准确）的像素，前提是这些估计是可靠的。我们的研究结果表明，这些不确定性估计校准良好，因此能够实现这一目标，同时相对于没有不确定性估计的对应模型，性能没有下降。