图像主观质量评价 评分_图像超分辨论文解读丨RankSRGAN

论文链接：

RankSRGAN: Generative Adversarial Networks with Ranker for Image Super-Resolution​arxiv.org

项目链接：

https://wenlongzhang0724.github.io/ Projects/RankSRGAN​wenlongzhang0724.github.io

简介

在图像超分辨率领域，GAN 网络能够更好地生成真实的细节。为了进一步评价超分辨率算法生成的结果，已经有很多感知评价指标，例如 PI，NIQE，Ma 被提出以评价图像感知质量（Perceptual quality）。然而目前大多数方法无法直接针对这些指标进行优化，因为这些指标是不可微的。

Ranker 将这个问题转化为相对的排序指标，利用CNN 网络对成对的输入图像以及对应的感知指标得分，进行学习，最终能够根据输入图像，生成一个排序得分。然后根据得分去优化生成器。因此该论文提出了基于 Ranker 的 SRGAN 网络，在以感知指标为目标优化生成器。文中实验也表明了RankSRGAN在视觉效果上达到令人愉悦的效果，并达到了最先进的性能。