使用循环嵌套生成对抗网络的无监督图像超分辨率
计算机视觉与模式识别
2018-09-05 v1
摘要
我们考虑在更一般情况下的单图像超分辨率问题，即低/高分辨率图像对和下采样过程均不可得。与传统超分辨率公式不同，低分辨率输入进一步被噪声和模糊退化。这种复杂设定使得监督学习和精确的核估计变得不可能。为解决这个问题，受近期成功的图像到图像翻译应用的启发，我们诉诸于无配对数据的无监督学习。以生成对抗网络（GAN）为基本组件，我们提出一种循环嵌套（Cycle-in-Cycle）网络结构，通过三个步骤解决该问题。首先，将带噪和模糊的输入映射到无噪的低分辨率空间。然后将中间图像用预训练的深度模型上采样。最后，我们以端到端方式微调两个模块以获得高分辨率输出。在 NTIRE2018 数据集上的实验表明，所提出的无监督方法取得了与最先进的监督模型相当的结果。
引用
@article{arxiv.1809.00437,
title = {Unsupervised Image Super-Resolution using Cycle-in-Cycle Generative Adversarial Networks},
author = {Yuan Yuan and Siyuan Liu and Jiawei Zhang and Yongbing Zhang and Chao Dong and Liang Lin},
journal= {arXiv preprint arXiv:1809.00437},
year = {2018}
}
备注
10 pages (reference included), 6 figures