Hierarchical Similarity Learning for Aliasing Suppression Image Super-Resolution

要約

高度に非論理的な課題として、単一画像超解像（SISR）が近年広く研究されている。SISRの主なタスクは、劣化手順によって生じた情報損失を回復することです。ナイキストサンプリング理論によれば、劣化はエイリアシング効果をもたらし、低解像度（LR）画像から正しいテクスチャを復元することは困難である。実際には，自然画像には隣接するパッチの間に相関や自己相似性が存在する．本論文では，この自己相似性を考慮し，エイリアシングの影響を抑制する階層型画像超解像ネットワーク(HSRNet)を提案する．SISR問題を最適化の観点から考察し、半二重分割（HQS）法に基づく反復解法パターンを提案する。局所画像先行でテクスチャを探索するために、階層的探索ブロック（HEB）を設計し、受容野を漸増させる。さらに、多段階空間注意（MSA）を考案し、隣接する特徴の関係を求め、視覚体験に重要な役割を果たす高周波数情報を強化する。実験の結果、HSRNetは他の作品よりも優れた定量的・視覚的性能を達成し、エイリアシングをより効果的に除去することが分かった。

要約(オリジナル)

As a highly ill-posed issue, single image super-resolution (SISR) has been widely investigated in recent years. The main task of SISR is to recover the information loss caused by the degradation procedure. According to the Nyquist sampling theory, the degradation leads to aliasing effect and makes it hard to restore the correct textures from low-resolution (LR) images. In practice, there are correlations and self-similarities among the adjacent patches in the natural images. This paper considers the self-similarity and proposes a hierarchical image super-resolution network (HSRNet) to suppress the influence of aliasing. We consider the SISR issue in the optimization perspective, and propose an iterative solution pattern based on the half-quadratic splitting (HQS) method. To explore the texture with local image prior, we design a hierarchical exploration block (HEB) and progressive increase the receptive field. Furthermore, multi-level spatial attention (MSA) is devised to obtain the relations of adjacent feature and enhance the high-frequency information, which acts as a crucial role for visual experience. Experimental result shows HSRNet achieves better quantitative and visual performance than other works, and remits the aliasing more effectively.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL