具体而言,Discriminator的输出值的含义是输入图像来自真实LR的target domain的概率,那么output越高,输入图像来自target domain的概率越高,domain distance也就越小。并且,原先的LR得出的domain distance map分辨率较低,需要通过bilinear upscaling上采样 损失函数如下: \mathcal{L}_{S R N}=\alpha \mathcal{L}_{\...
送入发散网络的LR图像将生成P个发散预测,将其表示为I_{D}=\mathcal{F}\left(I_{L R} ; \Theta_{D}\right),其中\Theta_{D}是发散网络的参数,I_{L R}是输入的LR图像,I^{i}_D表示发散网络的第i个预测值。 多分支深层残差结构 multi-branch deep residual structure 本文构建了一种相对更深的残差,...
之前的研究表明现有的基于学习的图像超分辨网络在面对对抗扰动时,同样呈现出严重的脆弱性,对抗扰动可以误导图像超分辨的超分重建的方向。 为了解决基于学习的图像超分辨网络的鲁棒性,在本文中,作者观察到: 在图像层面,白盒环境下(I-FGSM)生成的对抗样本...
基于真实世界双焦距图像的超分辨率自监督学习系统.pdf,一种基于真实世界双焦距图像的超分辨率自监督学习系统,属于图像复原技术领域。本发明针对使用仿真数据训练的基于参考的图像超分辨率方法在真实场景中不适用的问题。包括:图像退化模块,用于根据低分辨率图像对高分辨
本发明提供了一种基于主动采样对抗学习的真实世界图像超分辨率方法,包括:使用已有高分辨图像与对应的经过双三次插值(bicubic)退化的低分辨率图像以有监督方式训练超分辨率模型;将真实世界图像首先经过无监督去噪网络进行首次去噪处理;将经过一轮去噪的真实世界图像及已有且配对的高分辨率图像低分辨率图像输入基于生成对抗网络...