2022-09-10 17:26:42
来自腾讯 ARC Lab 的研究者们提出利用无监督的度量学习 来训练现实场景下可调节的图像超分辨率任务。
现实世界超分辨率 ( Real-world super-resolution ) 是指从包含真实退化的低分辨率图像中复原得到高分辨率的图像 . 可调节的现实世界图像超分辨率是一个很有挑战的任务 因为降质 ( degradation ) 过程复杂且未知，可调节的交互机制很难通过有监督的训练来完成。
对于可调节的图像超分辨率 之前的工作主要在经典退化的仿真数据上进行研究，也就是说我们已知了退化类型和退化强度。虽然这种设计在仿真数据上有不错的表现，但在现实场景下的应用仍然存在很多问题：
经典的仿真退化很难模拟复杂的现实世界退化，训练出的网络在现实世界数据上重建效果较差。同时，这种设定下训练得到的可调节交互机制在现实世界数据上的调节效果也会大打折扣。
虽然高阶退化可以用来仿真现实世界的低清图像，但这种仿真退化下的退化强度是未知的，很难通过有监督的训练来构建这种可调节交互机制。
最近无监督的对比学习在底层视觉领域受到越来越多的关注。这类方法方便了复杂降质特征的提取，这给来自腾讯 ARC Lab 的研究者们提供了一个思路 : 是否可以利用对比的方式无监督的构建现实场景下图像超分辨率的可调节交互机制 ?
