EnhanceNet : Amélioration de la résolution d'une image unique par synthèse automatique de texture

La sur-résolution d'image à partir d'une seule image consiste à inférer une image de haute résolution à partir d'une entrée unique en basse résolution. Traditionnellement, les performances des algorithmes pour cette tâche sont évaluées à l'aide de mesures de reconstruction pixel par pixel, telles que le rapport signal-bruit de crête (PSNR), qui ont été montrées comme ayant une corrélation faible avec la perception humaine de la qualité des images. Par conséquent, les algorithmes minimisant ces métriques tendent à produire des images sureffacées qui manquent de textures hautes fréquences et ne paraissent pas naturelles, malgré des valeurs PSNR élevées.Nous proposons une nouvelle application de la synthèse automatique de textures combinée à une perte perceptive axée sur la création de textures réalistes plutôt que sur l'optimisation d'une reproduction pixel-par-pixel précise des images de référence lors de l'entraînement. En utilisant des réseaux neuronaux convolutifs entièrement feed-forward dans un cadre d'entraînement adversarial, nous obtenons une amélioration significative de la qualité des images à des rapports d'agrandissement élevés. Des expériences approfondies sur plusieurs jeux de données démontrent l'efficacité de notre approche, aboutissant à des résultats d'avant-garde tant dans les évaluations quantitatives que qualitatives.