要約
生成対抗ネットワーク（GAN）は、単一画像の超解像（SISR）において現実的な詳細を再現する可能性を示しています。視覚的な品質向上を目指して、PIRM2018-SRチャレンジでは、PI、NIQE、Maなどの知覚指標を使用して知覚品質を評価しました。しかし、既存の方法ではこれらの微分不可能な知覚指標を直接最適化することはできません。これらの指標は人間の評価と高い相関性があることが示されています。この問題に対処するために、我々はランカーを持つ超解像生成対抗ネットワーク（RankSRGAN）を提案します。この手法により、ジェネレータが知覚指標の方向に最適化されます。具体的には、まず知覚指標の挙動を学習できるランカーを訓練し、次に新たなランクコンテンツ損失を導入して知覚品質を最適化します。本手法の最大の魅力は、異なるSISR手法の長所を組み合わせてより良い結果を得られることです。広範な実験により、RankSRGANは視覚的に満足度の高い結果を達成し、知覚指標において最先端の性能を発揮することが確認されました。プロジェクトページ: https://wenlongzhang0724.github.io/Projects/RankSRGAN