شبكات التوليد المتنافسة (GAN) أظهرت إمكاناتها في استعادة التفاصيل الواقعية لتقنيات زيادة دقة الصور الفردية (SISR). بهدف تحسين جودة النتائج المعززة بدقة بشكل بصري، تم استخدام معايير الإدراك لتقييم جودة الإدراك في تحدي PIRM2018-SR، مثل مؤشر الأداء الإدراكي (PI)، ومؤشر الجودة بدون مرجع (NIQE)، ومقياس ما (Ma). ومع ذلك، لا يمكن للطرق الحالية تحسين هذه المعايير الإدراكية غير القابلة للتفاضل بشكل مباشر، والتي أثبتت أنها مرتبطة ارتباطًا وثيقًا بالتصنيفات البشرية. لحل هذه المشكلة، نقترح شبكات التوليد المتنافسة مع تصنيف (RankSRGAN) لتحسين المولد في اتجاه المعايير الإدراكية. بصفة خاصة، نقوم أولًا بتدريب تصنيف يمكنه تعلم سلوك المعايير الإدراكية، ثم نقدم خسارة محتوى جديدة مرتبة لتحسين الجودة الإدراكية. الجزء الأكثر جاذبية هو أن الطريقة المقترحة يمكنها الجمع بين قدرات الطرق المختلفة لزيادة الدقة لإنتاج نتائج أفضل. أظهرت التجارب الواسعة أن RankSRGAN تحقق نتائج بصرية رائعة وتصل إلى مستوى الأداء الرائد في المعايير الإدراكية. صفحة المشروع: https://wenlongzhang0724.github.io/Projects/RankSRGAN