Amélioration de la résolution d'images basée sur l'apprentissage profond en tenant compte de la qualité quantitative et perceptuelle

Récemment, il a été démontré qu'en super-résolution, il existe une relation de compromis entre la qualité quantitative et la qualité perceptive des images super-résolues, qui correspondent respectivement à la similarité avec les images de référence et à la naturalité. Dans cet article, nous proposons une nouvelle méthode de super-résolution capable d'améliorer la qualité perceptive des images redimensionnées tout en préservant les performances quantitatives conventionnelles. La méthode proposée utilise un réseau profond pour le redimensionnement multi-pass, associé à un réseau discriminant et deux réseaux prédicteurs de scores quantitatifs. Les résultats expérimentaux montrent que la méthode proposée atteint un bon équilibre entre la qualité quantitative et la qualité perceptive, présentant des résultats plus satisfaisants que les méthodes existantes.