图像处理之《可逆重缩放网络及其扩展》论文精读

一、文章摘要

图像重缩放是一种常用的双向操作，它首先将高分辨率图像缩小以适应各种显示器或存储和带宽友好，然后将相应的低分辨率图像放大以恢复原始分辨率或放大图像中的细节。然而，非单射下采样映射丢弃了高频内容，导致逆恢复任务存在不适定问题。这可以抽象为具有信息损失的一般图像退化-恢复问题。在这项工作中，我们提出了一个新的可逆框架来处理这一普遍问题，该框架从一个新的角度来模拟双向退化和恢复，即可逆双射变换。该框架的可逆性使其能够以分布的形式对退化前的信息损失进行建模，从而缓解恢复后的不适定问题。具体来说，我们开发了可逆模型来生成有效的退化图像，同时在正向退化过程中将丢失内容的分布转化为潜变量的固定分布。然后，通过对生成的退化图像与随机绘制的潜在变量应用逆变换，使恢复变得易于处理。我们从图像的重缩放开始，实例化模型为可逆的重缩放网络，可以很容易地扩展到类似的脱色-着色任务。我们进一步建议将可逆框架与现有的退化方法(如图像压缩)结合起来，以获得更广泛的应用。实验结果表明，与现有方法相比，我们的模型在从缩小和脱色图像进行放大和彩色重建的定量和定性评估以及图像压缩的速率失真方面都有显著改进。