С применением генеративных состязательных сетей в области сверхразрешения изображений (SR), некоторые методы SR, основанные на восприятии, могут восстанавливать SR-изображения с более богатыми текстурными деталями, эффективно снижая проблему сглаживания восстановленных изображений, вызванную методами SR, ориентированными на PSNR. Однако информация о градиентах как важная форма выражения текстур изображений редко точно и эффективно используется в методах SR. В связи с этим предложен алгоритм сверхразрешения изображений на основе восприятия градиента (GASR), который может более точно использовать градиентную информацию. С одной стороны, карта признаков в градиентной области используется как сверточное ядро, применяемое к карте признаков в пространственной области, что эффективно избегает конфликта областей, вызванного объединением карт признаков из разных областей; с другой стороны, путем корректировки деталей проектирования размера сверточного ядра обеспечивается совпадение поля восприятия выходных карт признаков пространственной и градиентной областей в соответствующих позициях двух ветвей. Кроме того, учитывая рост требований к упрощению сети в практическом применении, предложенный алгоритм GASR эффективно уменьшает количество параметров и вычислительную сложность. По сравнению с SPSR, который также использует градиентную информацию, GASR достигает сопоставимой производительности с примерно 1/6 параметров и 1/10 вычислительной нагрузки. На наборе данных Set14 показатели LPIPS и PSNR улучшились на 0.0022 и 0.217 соответственно. Экспериментальные результаты подтверждают, что GASR может достичь хорошего баланса между генерацией текстур и плавностью изображения, а визуализация также демонстрирует, что GASR не только точно восстанавливает изображения SR, но и в определенной степени уменьшает генерацию беспорядочных текстур.

сверхразрешение изображения; градиент; глубокое обучение; генеративные состязательные сети