Single Image Super-Resolution (SISR) is a very active research field. This paper addresses SISR by using a GAN-based approach with dual discriminators and incorporating it with an attention mechanism. The experimental results show that GDCA can generate sharper and high pleasing images compare to other conventional methods.


翻译:单一图像超级分辨率(SISSR)是一个非常活跃的研究领域,本文通过使用基于GAN的双重歧视者方法并将其纳入关注机制来处理SISSR问题。 实验结果表明,GDCA与其他常规方法相比,能够产生更清晰、更令人愉快的图像。

0
下载
关闭预览

相关内容

【CVPR2021】GAN人脸预训练模型
专知会员服务
23+阅读 · 2021年4月10日
Diganta Misra等人提出新激活函数Mish,在一些任务上超越RuLU
专知会员服务
14+阅读 · 2019年10月15日
生成式对抗网络GAN异常检测
专知会员服务
115+阅读 · 2019年10月13日
已删除
将门创投
6+阅读 · 2019年9月3日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Jointly Improving Summarization and Sentiment Classification
黑龙江大学自然语言处理实验室
3+阅读 · 2018年6月12日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
VIP会员
相关资讯
已删除
将门创投
6+阅读 · 2019年9月3日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Jointly Improving Summarization and Sentiment Classification
黑龙江大学自然语言处理实验室
3+阅读 · 2018年6月12日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
Top
微信扫码咨询专知VIP会员