Content-decoupled Contrastive Learning-based Implicit Degradation Modeling for Blind Image Super-Resolution

要約

暗黙的な分解モデリングベースのブラインドスーパー解像度（SR）は、複雑な分解シナリオへの優れた一般化と幅広いアプリケーション範囲により、コミュニティでより多くの注目を集めています。
より識別的な劣化表現を抽出し、それらを特定の画像機能に完全に適応させる方法が、このタスクの鍵です。
この論文では、典型的なブラインドSRパイプラインに続いて、新しいコンテンツを分類したコントラスト学習ベースのブラインドイメージスーパー解像度（CDCL）フレームワークを提案します。
このフレームワークは、暗黙の分解表現をモデル化するために初めて否定的なコントラスト学習手法を導入します。ここでは、コンテンツの特徴と分解機能の間のデカップリングとデータの観点からの分離を確保するために設計され、それによって学習された暗黙的分解空間の純度と識別可能性が改善されます。
さらに、基本的な適応ユニットの画像詳細の認識を高め、SRモデル全体の複雑さを大幅に削減することにより、特定のLR機能に劣化表現をより適切に適応できる詳細な意識的な暗黙的劣化モジュールを提案します。
合成および実際のデータに関する広範な実験は、私たちの方法がさまざまな劣化設定で非常に競争力のある定量的および定性的な結果を達成し、パラメーターと計算コストを明らかに削減し、実用的および軽量ブラインドSRツールの設計の実現可能性を検証することを示しています。

要約(オリジナル)

Implicit degradation modeling-based blind super-resolution (SR) has attracted more increasing attention in the community due to its excellent generalization to complex degradation scenarios and wide application range. How to extract more discriminative degradation representations and fully adapt them to specific image features is the key to this task. In this paper, we propose a new Content-decoupled Contrastive Learning-based blind image super-resolution (CdCL) framework following the typical blind SR pipeline. This framework introduces negative-free contrastive learning technique for the first time to model the implicit degradation representation, in which a new cyclic shift sampling strategy is designed to ensure decoupling between content features and degradation features from the data perspective, thereby improving the purity and discriminability of the learned implicit degradation space. In addition, we propose a detail-aware implicit degradation adapting module that can better adapt degradation representations to specific LR features by enhancing the basic adaptation unit’s perception of image details, significantly reducing the overall SR model complexity. Extensive experiments on synthetic and real data show that our method achieves highly competitive quantitative and qualitative results in various degradation settings while obviously reducing parameters and computational costs, validating the feasibility of designing practical and lightweight blind SR tools.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google