SRGAN

目录

• 概
• 主要内容
• 代码

Ledig C., Theis L., Huszar F., Caballero J., Cunningham A., Acosta A., Aitken A., Tejani A., Totz J., Wang Z. & Shi W. Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network. CVPR, 2017.

概

利用GAN进行超分辨率.

主要内容

其实, 没啥特别的:

1. 生成器用了残差网络, 判别器用了更深的网络:

2. 一般进行超分辨率用MSE损失, 即

   $$\mathrm{MSE}(G(I_n^{LR}), I_n^{HR}),$$

   这里$I_n^{LR}$为低分辨率的图片, $I_n^{HR}$为相对应的高分辨率的图片. 而本文用的是VGG的特征$\phi_{i, j}$:

   $$l^{SR}_{VGG/i,j} = \frac{1}{W_{i,j} H_{i,j }} \sum_{x=1}^{W_{i,j}} \sum_{y=1}^{H_{i,j}} (\phi_{i,j}(I^{HR})_{x,y} - \phi_{i,j} (G(I^{LR}))_{x, y}).$$

3. 除此之外, 一般GAN所用的对抗损失也是要加上的.

代码

原文代码