[GAN]老照片修复Bringing Old Photos Back to Life论文总结

Vanessa Ni

已于 2022-08-02 20:13:54 修改

阅读量2k

点赞数 1

文章标签：生成对抗网络人工智能深度学习

于 2022-07-24 16:43:55 首次发布

本文链接：https://blog.csdn.net/weixin_44145782/article/details/125948112

版权

Title

Title：Bringing Old Photos Back to Life
Source：CVPR2020
论文官网
 Code

1.Summary

文章提出并解决了两个问题。

问题一 泛化问题（Generalization）：目前的老照片修复算法在合成数据集上学习到的模型在真实数据上泛化能力差。（解决方案一 Latent space translation：假设能将合成数据与真实老照片域编码到同一隐空间，实际操作尽可能缩小域间差异Domain Gap，而后学习隐空间映射）
问题二 混合退化问题（Mixed Degradation）：空间均匀的非结构化退化，如噪声、模糊、褪色和低分辨率，以及结构化退化，如孔洞、划痕和斑点。实际待修复老照片存在混合的复杂退化问题。（解决方案二 Partial Nonlocal Block：普通残差块感受野有限，仅能修复局部特征即非结构化退化，结构化退化依赖于全局图像上下文信息进行修复）

2.Method

2.1 泛化问题（Generalization）的解决

Step1 分别训练 ${VAE}_1$ 与 ${VAE}_2$

在这里插入图片描述

目标是学习R到Y的映射，即给定一个真实老照片r，得到清晰的修复结果。
为了解决合成照片与真实照片域间差异导致的泛化性问题，X与R共享同一个VAE1（图中绿色部分domain gap标注有误，应标注在非交集的部分）。其中，VAE比普通自编码器更容易获得密集分布的隐空间表示，这样 $Z_X$ 与 $Z_R$ 之间的domain gap会更小。训练一个鉴别器来区分 $Z_X$ 与 $Z_R$ ，以进一步缩小domain gap。
总目标函数为

Step2 固定 ${VAE}_1$ 与 ${VAE}_2$ ，独立训练隐空间映射T

在这里插入图片描述

其中，

2.2 多种退化模式问题（Mixed Degradation）的解决

在这里插入图片描述

non-local等注意力机制的本质是re-weighting
最后non-local仅作用于corrupted region（即结构化退化，依赖全局信息的部分）

3.Evaluation

3.1 Setup

训练集：1. Pascal VOC+渲染上结构化与非结构化退化。2. 5718张真实老照片
划痕检测：训练了一个U-net+focal loss（正负样本均衡），除了利用Pascal VOC训练以外，还对收集到的783张有划痕的真实老照片进行标注，并使用400张图片进行fine-tune。（目的是在partial non-local处获得mask）
训练细节：优化器Adam solver（ $\beta_1$ 为0.5， $\beta_2$ 为0.999）；学习率为前100epoch=0.0002，而后线性衰减到0；训练时图片随机裁剪到256x256；公式2、5中的超参数设定为 $\alpha=10,\lambda_1=60,\lambda_2=10$ 。

3.2 Analysis

定量
定性
User-study

3.3 Ablation Study

Latent translation with VAEs

目的是为了更容易缩小domain gap。其中从左往右逐渐增加组件。1）Pix2Pix：translation in image-level 2）two VAEs with an additional KL loss to penalize the latent space 3）两阶段训练，VAEs权重不固定 4）完整模型，采用了latent adversarial loss。
Wassestein距离越小，latent space越compact；BRISQUE越低，修复后的图片质量越高。

Partial nonlocal block

在这里插入图片描述

4.Conclusion

Strong conclusions：
We propose a novel triplet domain translation network to restore the mixed degradation in old photos. The domain gap is reduced between old photos and synthetic images, and the translation to clean images is learned in latent space. Our method suffers less from generalization issue compared with prior methods.

三个域之间的图像转换网络
缩小隐空间domain gap，并在隐空间学习到更佳的图像转换结果
泛化性更强

Weak conclusions：
We propose a partial nonlocal block which restores the latent features by leveraging the global context, so the scratches can be inpainted with better structural consistency.

partial nonlocal。消融实验仅定性，效果一般，方法简单，创意不足。

仍存在的问题：complex shading artifacts上效果不佳，原因可能是数据集中具有复杂缺陷的老照片不多。
在这里插入图片描述

5.Reference

Track五篇对比方法

M. Suganuma, X. Liu, and T. Okatani, “Attention-based adaptive selection of operations for image restoration in the presence of unknown combined distortions,” arXiv preprint arXiv:1812.00733, 2018.
D. Ulyanov, A. Vedaldi, and V. Lempitsky, “Deep image prior,” in Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2018, pp. 9446–9454.
T.-C. Wang, M.-Y. Liu, J.-Y. Zhu, A. Tao, J. Kautz, and B. Catanzaro, “High-resolution image synthesis and semantic manipulation with conditional gans,” in Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2018, pp. 8798–8807.
J.-Y. Zhu, T. Park, P. Isola, and A. A. Efros, “Unpaired image-to-image translation using cycle-consistent adversarial networks,” in Proceedings of the IEEE International Conference on Computer Vision, 2017, pp. 2223–2232.
K. Dabov, A. Foi, V. Katkovnik, and K. Egiazarian, “Bm3d image denoising with shape-adaptive principal component analysis,” 2009.
K. Nazeri, E. Ng, T. Joseph, F. Qureshi, and M. Ebrahimi, “Edgeconnect: Generative image inpainting with adversarial edge learning,” 2019.

Attention-based Adaptive Selection of Operations for Image Restoration in the Presence of Unknown Combined Distortions(CVPR2019)

image-to-image translation图像转换
Deal with multiple combined distortions with unknown mixture ratios
并行执行多个操作，这些操作由注意力机制加权，根据输入选择适当的操作。

在这里插入图片描述

Deep Image Prior(CVPR2018)

Standard inverse problems such as denoising, super-resolution, and inpainting。一系列image restoration问题都是Standard inverse problems。
image restoration分为learning-based和learning-free。该方法利用一张受损图片，在深度神经网络中直接迭代来进行修复。

在这里插入图片描述

神经网络的躁声阻抗性high noise impedance。神经网络天生具有对自然信号的低阻抗性和对噪声的高阻抗性。

在这里插入图片描述

由于网络学信号学得快，学噪声学得慢，所以要利用这一点控制好迭代次数：不能太少，否则学不到位，输出结果结构模糊；也不能太多，否则学的太好，跟 $x_0$ 过于相似，把噪声也一起学了。其中 $x_0$ 为corrupted image。

High-Resolution Image Synthesis and Semantic Manipulation with Conditional GANs(CVPR2018)

image-to-image translation, whose goal is to translate an input image from one domain to another domain given input-output image pairs as training data
pix2pix framework
coarse-to-fine generator
multi-scale discriminator architecture, and a robust adversarial learning objective function。判别器有三个，针对不同尺寸图像。三个尺寸分别是原尺寸，二分之一，四分之一。receptive field大小的问题。