论文地址:https://arxiv.org/pdf/2006.04139.pdf
项目地址: https://github.com/FuzhiYang/TTSR
总述:为了恢复图像超分辨率结果的纹理信息,本文提出一种的TTSR的RefSR的方法。该TTSR包含四个关系紧密的模块:可学习的纹理提取模块,关联嵌入模块,用于纹理迁移的硬-注意力模块和用于纹理合成的软-注意力模块。此外,该方法可以通过跨尺度的堆叠方式,获得更好的实验结果。
-
介绍
现如今,图像超分的方法主要分为两类,一类是单图像超分(SISR),比如SRCNN,VDSR,RCAN等;另外一类是基于参考图像的超分方法(RefSR)。因为高分辨率图像在退化过程中会丢失很多细节和纹理信息,所以传统的单图像超分方法会产生模糊的结果;为了恢复更多的纹理信息,有研究者使用GANs来实现图像超分(SRGAN,ESRGAN等),但是GANs所带来的伪影artifacts却很难避免。
第二类方法通过Ref图像来实现图像超分取得了很好的结果,该方法通过从Ref 图像上迁移HR的纹理信息来获得视觉上可观的效果。本文的方法属于第二类,通过查询Ref 图像上合理纹理信息,将其融入到最终的超分结果。不同于以往的该类方法,本文能够有效的避免错误的纹理迁移。