2 个月前

单图像超分辨率的全渐进方法

Yifan Wang; Federico Perazzi; Brian McWilliams; Alexander Sorkine-Hornung; Olga Sorkine-Hornung; Christopher Schroers
单图像超分辨率的全渐进方法
摘要

近期在单图像超分辨率领域的深度学习方法在传统误差度量和感知质量方面取得了令人印象深刻的结果。然而,对于较大的放大倍数,实现高质量结果仍然具有挑战性。为此,我们提出了一种既在架构上也在训练过程中逐步进行的方法(ProSR):网络在中间步骤中对图像进行放大,而学习过程则从简单到复杂组织,类似于课程学习的方式。为了获得更加逼真的结果,我们设计了一种遵循相同渐进多尺度设计原则的生成对抗网络(GAN),命名为ProGanSR。这不仅使得该模型能够很好地扩展到高放大倍数(例如8倍),而且构成了一种有原则的多尺度方法,可以同时提高所有放大倍数下的重建质量。特别是在NTIRE2018单图像超分辨率挑战赛[34]中,ProSR在SSIM指标上排名第二,在PSNR指标上排名第四。与排名第一的团队相比,我们的模型略低一些,但运行速度提高了5倍。