【图像超分】论文精读:Details or Artifacts: A Locally Discriminative Learning Approach to Realistic Image Super
具有生成对抗网络 (GAN) 的单图像超分辨率 (SISR) 最近因其生成丰富细节的潜力而受到越来越多的关注。然而,GAN 的训练是不稳定的,它通常会引入许多感知上令人不快的伪影以及生成的细节。在本文中,我们证明了训练一个基于 GAN 的 SISR 模型,该模型可以稳定地生成感知逼真的细节,同时抑制视觉伪影。基于观察到工件区域的局部统计(如残差方差)通常与感知友好的细节区域不同,我们开发了一个框架来区分gan生成的工件和真实的细节,从而生成工件映射来正则化和稳定模型训练过程。我们提出的局部判别学习 (LDL
复制链接