论文作者:Valdivino Alexandre de Santiago Júnior
作者单位:Instituto Nacional de Pesquisas Espaciais (INPE)
论文链接:http://arxiv.org/abs/2306.09426v1
项目链接:https://www.kaggle.com/datasets/valdivinosantiago/dl-blindsr-datasets https://github.com/vsantjr/DL_BlindSR
内容简介:
1)方向:图像超分辨率
2)应用:盲图像超分辨率
3)背景:近年来,深度学习技术推动了图像超分辨率的研究,但是现有的解决方案和实验通常只考虑2x或4x的高清晰度,数据集也缺乏足够的领域多样性。盲图像超分辨率是一种吸引人的技术,因为它基于降级过程未知的想法,因此在这种情况下,技术基本上依赖于低分辨率图像。
4)方法:本文提出了一个高比例(8x)的控制实验,评估了五种最近针对盲图像超分辨率的深度学习技术:自适应伪增强(APA)、具有空间变异退化的盲图像超分辨率(BlindSR)、深度交替网络(DAN)、FastGAN和专家混合超分辨率(MoESR)。作者考虑了来自五个不同领域的14个小数据集,包括航空、动物、植物、医学和卫星。选择了两个无参考指标,分别是经典的自然图像质量评估器(NIQE)和最近的基于transformer的多维注意力网络无参考图像质量评估(MANIQA)分数,以评估这些技术。
5)结果:整体而言,MoESR被认为是最好的解决方案,但所有技术创建的高分辨率(HR)图像的感知质量仍有待改进。支持代码可在GitHub上找到,数据集可在Kaggle上获取。代码链接:https://github.com/vsantjr/DL_BlindSR;数据集链接:https://www.kaggle.com/datasets/valdivinosantiago/dl-blindsr-datasets。