香港中文大学-商汤联合实验室：ECCV2018 PIRM-SR 超分辨率比赛冠军：ESRGAN（论文+开源代码）

点击上方“CVer”，选择"星标"和“置顶”

重磅干货，第一时间送达

前戏

前几天分析了很多论文，各种SOTA。比如（点击可访问）：

• 商汤等提出：统一多目标跟踪框架

• 亚马逊提出：用于人群计数的尺度感知注意力网络

• TridentNet 处理目标检测中尺度变化新思路

• 改进SRN人脸检测算法，目前业界最强！
  

今天分享一篇ECCV 2018 Workshop：PIRM2018-SR competition  (region 3) 超分辨率比赛的冠军方案，前不久论文刚刚发布，并且代码已经开源

正文

《ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks》

arXiv: https://arxiv.org/abs/1809.00219

github：https://github.com/xinntao/ESRGAN

作者团队：香港中文大学-商汤联合实验室等

注：2018年09月18日出炉的paper

Abstract：超分辨率生成对抗网络（SRGAN）是一项开创性的工作，能够在单一图像超分辨率下生成逼真的纹理。However, the hallucinated details are often accompanied with unpleasant artifacts.。为了进一步提高视觉质量，我们彻底研究了SRGAN的三个关键组成部分 - 网络架构，对抗性损失和感知损失，并改进它们中的每一个以获得增强型SRGAN（ESRGAN）。特别是，我们在没有批量标准化的情况下引入剩余残差密集块（RRDB）作为基本网络构建单元。此外，我们借用 relativistic GAN的观点，让鉴别器预测相对真实性而不是绝对值。最后，我们通过使用激活前的特征来改善感知损失，这可以提供更强的亮度一致性和纹理恢复的监督。受益于这些改进，所提出的ESRGAN实现了始终如一的更好的视觉质量，具有比SRGAN更逼真和自然的纹理，并在PIRM2018-SR挑战赛中获得第一名。

提出的方法

A.Network Architecture：: 1) remove all BN layers; 2) replace the original basic block with the proposed Residual-in-Residual Dense Block (RRDB)

B.Relativistic Discriminator

C.Perceptual Loss

D.Network Interpolation

实验结果

开源代码

下面两个链接都是开源代码，后者是basic

https://github.com/xinntao/ESRGAN

https://github.com/xinntao/BasicSR

想要了解最新最快最好的论文速递、开源项目和干货资料，欢迎加入CVer学术交流群。涉及图像分类、目标检测、图像分割、人脸检测&识别、目标跟踪、GANs、学术竞赛交流、Re-ID、风格迁移、医学影像分析、姿态估计、OCR、SLAM、场景文字检测&识别和超分辨率等方向。

扫码进群

这么硬的论文速递，麻烦给我一个好看

▲长按关注我们

麻烦给我一个好看！