图像超分辨率算法 CVPR 2020

图像超分辨率算法：CVPR2020

Unpaired Image Super-Resolution using Pseudo-Supervision

论文地址：

http://openaccess.thecvf.com/content_CVPR_2020/papers/Maeda_Unpaired_Image_Super-Resolution_Using_Pseudo-Supervision_CVPR_2020_paper.pdf

摘要

在当前大多数依赖学习机制的图像超分辨率（SR）研究中，成对训练数据集通常通过将高分辨率（HR）图像进行预设操作（如双三次插值）进行降尺度处理而生成。然而，此类方法在处理现实场景中的低分辨率（LR）图像时效果欠佳，因为实际退化过程更加复杂且难以预测。本文提出了一种基于生成对抗网络的非配对SR方法，该方法无需依赖成对或对齐的训练数据集。该网络架构包含两个关键组件：非配对核/噪声校正模块与伪配对随机共振模块。其中，校正模块首先消除噪声，并调整输入LR图像的核参数，随后将处理后的干净LR图像输入SR网络进行上采样处理。在训练过程中，校正模块还能够从输入HR图像生成伪清洁的LR图像，并由SR网络学习从伪清洁LR到HR图像之间的映射关系。由于SR网络与校正网络相互独立，因此可将现有研究较为成熟的相关网络结构及像素级损失函数整合至本框架之中。实验结果显