VALSE 论文速览 第24期：基于域间距离感知的非监督真实世界图像超分辨率算法

为了使得视觉与学习领域相关从业者快速及时地了解领域的最新发展动态和前沿技术进展，VALSE最新推出了《论文速览》栏目，将在每周二和周五各发布一篇顶会顶刊论文的录制视频，对单个前沿工作进行细致讲解。本期VALSE论文速览选取了来自华南理工大学、悉尼大学和ETH Zurich的工作。该工作由顾舒航教授、金龙存教授、宋恒杰教授等共同指导，魏云轩同学录制，将为大家呈现图像超分辨率领域的新进展。

论文题目：基于域间距离感知的非监督真实世界图像超分辨率算法

作者列表：魏云轩 (华南理工大学)，顾舒航 (悉尼大学，ETH Zurich)，李亚伟 (ETH Zurich)，Radu Timofte (ETH Zurich)，金龙存 (华南理工大学)，宋恒杰 (华南理工大学)

B站观看网址：

https://www.bilibili.com/video/BV1PT4y1d7b4/

复制链接到浏览器打开或点击阅读原文即可跳转至观看页面。

论文摘要：

近年来，无监督超分辨率 (SR)因其在实际场景中的实用和有前途的潜力而受到广泛的关注。现有方法的原理依赖于扩展内容不匹配的训练数据，例如，首先合成真实世界域的低分辨率图像，其内容与真实世界的高分辨率图像相匹配，然后再利用这样的人工合成的数据，以监督训练的方式进行网络训练。然而，由于图像转换本身是一项极具挑战性的任务，合成数据与真实数据之间的差异极大地限制了基于这一原理的超分辨率方法的表现。在本文中，针对真实世界场景下的超分辨率问题，我们提出了一个新的域距离感知超分辨率网络 (DASR)，并且提出了域间差异感知训练和域距离加权监督的方法，以解决域间差异的问题。域间差异感知训练直接从目标域的真实世界数据中获得明确的域间差异信息，域距离加权监督训练能够使网络更合理地利用源域的生成数据。本文提出的方法在合成数据和真实数据均进行了验证，实验结果表明，DASR的方法超越了SOTA的非监督超分的方法，能够生成更加真实和自然的纹理。

论文信息：

[1] Wei, Y*., Gu, S.*, Li, Y., Timofte, R., Jin, L., & Song, H. (2021).Unsupervised real-world image super resolution via domain-distance aware training.In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 13385-13394).

视频讲者简介：

魏云轩，华南理工大学硕士生，目前就职于商汤科技智能影像实验室。研究方向包括图像超分辨率、图像HDR以及Inpainting。

特别鸣谢本次论文速览主要组织者：

月度轮值AC：刘洋 (北京大学)，林迪 (天津大学)，朱霖潮 (悉尼科技大学)

季度责任AC：王兴刚 (华中科技大学)

活动参与方式

1、VALSE每周举行的Webinar活动依托B站直播平台进行，欢迎在B站搜索VALSE_Webinar关注我们！

直播地址：

https://live.bilibili.com/22300737；

历史视频观看地址：

https://space.bilibili.com/562085182/ 

2、VALSE Webinar活动通常每周三晚上20:00进行，但偶尔会因为讲者时区问题略有调整，为方便您参加活动，请关注VALSE微信公众号：valse_wechat 或加入VALSE QQ R群，群号：137634472）；

*注：申请加入VALSE QQ群时需验证姓名、单位和身份，缺一不可。入群后，请实名，姓名身份单位。身份：学校及科研单位人员T；企业研发I；博士D；硕士M。

3. VALSE微信公众号一般会在每周四发布下一周Webinar报告的通知。

4、您也可以通过访问VALSE主页：http://valser.org/ 直接查看Webinar活动信息。Webinar报告的PPT（经讲者允许后），会在VALSE官网每期报告通知的最下方更新。

看到这了，确定不关注下吗？关注下再走吧～