【图像超分辨率】EnhanceNet: Single Image Super-Resolution Through Automated Texture Synthesis 阅读笔记

🌟Paper：EnhanceNet: Single Image Super-Resolution Through Automated Texture Synthesis

📖Abstract

传统上，超分辨率任务的算法性能是用像素级的评价标准来衡量的，如峰值信噪比（PSNR），这已被证明与人类对图像质量的感知相关性很低。因此，最小化这些指标的算法往往会产生过度平滑的图像，尽管产生高的PSNR值，但缺乏高频纹理，看起来不自然。

我们提出了一种新的自动纹理合成的方法，结合感知损失，重点是创造真实的纹理，而不是在训练期间优化对GT图像的像素精确度。通过在对抗性训练环境中使用前馈全卷积神经网络，我们在高放大率下实现了图像质量的显著提升。

📖Introduction

一个关键的问题是，对于大的下采样系数来说，高频信息的损失使得超分辨率图像中的纹理区域变得模糊，过于光滑，且不自然。

这种现象的原因在于目前最先进的方法所采用的目标函数的选择：大多数方法最小化HR真实图像和它从LR重建图像之间的像素平均平方误差（MSE），然而这已被证明与人类对图像质量的感知相关性很差。
Perceptual image quality assessment using a normalized Laplacian pyramid

虽然容易最小化，但MSE估计器返回许多可能的解决方案的平均值，这使得SISR的结果看起来不自然和不可靠（参见图2）。

在这项工作中，我们采取了不同