通过域距离感知训练实现无监督真实世界图像超分辨率

近年来，无监督超分辨率（SR）因其在真实场景中的实用且可期的潜力而迅速兴起。现有方法的理念在于未配对数据的增广，即首先生成对应于真实世界低分辨率（LR）域$\mathcal{Y}^r$中真实世界高分辨率（HR）图像$\mathcal{X}^r$的合成低分辨率图像$\mathcal{Y}^g$，然后以监督方式利用伪配对$\{\mathcal{Y}^g, \mathcal{X}^r\}$进行训练。遗憾的是，由于图像翻译本身是一项极具挑战性的任务，这些方法的SR性能严重受限于生成的合成LR图像与真实LR图像之间的域差距。本文中，我们提出一种新颖的域距离感知超分辨率（DASR）方法用于无监督真实世界图像SR。训练数据（如$\mathcal{Y}^g$）与测试数据（如$\mathcal{Y}^r$）之间的域差距通过我们的\textbf{域差距感知训练}与\textbf{域距离加权监督}策略来解决。域差距感知训练从目标域中的真实数据获得额外收益，而域距离加权监督促进了对带标签源域数据的更合理利用。所提方法在合成与真实数据集上得到验证，实验结果表明DASR在生成具有更真实自然纹理的SR输出方面持续优于最优无监督SR方法。