ESRGAN论文阅读笔记

“ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks”发表于ECCV 2018 workshop，是对“The Super-Resolution Generative Adversarial Network”(SRGAN)的改进工作，在PIRM2018-SR挑战赛上，在region 3区域获得第一名并且获得最好的perceptual index。

论文地址：https://arxiv.org/abs/1809.00219
作者代码地址：https://github.com/xinntao/ESRGAN
PIRM2018-SR挑战赛网站：https://www.pirm2018.org/PIRM-SR.html

简介

SRGAN是single image super-resolution领域里一项有创造力的工作，可生成更加真实的纹理，使得看起来更加真实舒服。但是，使用该方法生成的图片有时在细节处会伴随令人不愉快的伪影。为了改进这部分工作，作者提出从3个方面进行：

1. network architecture（网络结构）
2. adversarial loss（对抗损失)
3. perceptual loss（感知损失）

Network Architecture