《Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network》阅读笔记

Abstract

尽管我们已经利用更快更深的卷积神经网络(CNN)突破了单一图像超分辨率的速度和精度，但有一个中心问题仍没有完美解决：当对放大很多倍的图像进行超分辨率时，我们该如何更好的恢复图像的纹理细节？
以最优化思想为基础的超分辨率方法主要受到目标函数的驱使，最近的一些相关项目均以最小化平均方差重建误差为目标，这样得到的结果有很大的信噪比，但是往往图像会缺失高频细节并且视觉效果很差。
因此，作者提出了SRGAN，这是第一个对放大四倍自然图像做超分辨率的框架。为了实现这个框架，作者提出了由adversarial loss和content loss组成的perceputal loss function。adversarial loss由判别器生成，使我们生成的图像更加接近自然图像。content loss由图像的视觉相似性生成，而不是像素空间的相似性。并且本文的深度残差网络可以从深度降采样的图像恢复逼真的纹理。作者采用mean-opinion-score(MOS)测试作为图像效果的评判，最后的测试结果表明采用SRGAN获得的图像的MOS值比采用其他顶级的方法获得的图像的MOS值更加接近原始的高分辨图像。

Introduction

超分辨率(SR)指的是由低分辨(LR)图像生成高分辨(HR)图像的技术，SR受到计算机视觉领域的持续关注并且已经有了广泛的应用。
目前被大多人采用的以最优化目标函数为基础的监督SR算法存在缺失图像高频纹理细节的问题，使生成的图像很模糊。这种算法大多以均方误差(MSE)为目标函数进行优化，在减小均方误差的同时又可以增大信噪比(PSNR)。但是MSE和PSNR值的高低并不能很好的表示视觉效果的好坏。正如在下面图片表现出的，PSNR最高并不能反映SR效果最好。

因此，作者提出以深度残差网络(ResNet)作为生成器的生成对抗网络，与以往不同的是，ResNet的优化目标不止MSE，还有VGG网络与判别器构成的perceptual loss.

Contribution

建立了以PSNR和结构相似性(structural similarty,SSIM)为评判标准的SRResNet来对放大4倍的图像做超分辨率。
提出的SRGAN以perceptual loss为优化目标，我们用VGG网络特征图谱的损失函数取代了以MSE为基础的content loss
我们对生成的图片进行MOS测试。

Method

在训练SRGAN网络的过程中需要提供HR图片，作者首先对HR图片进行降采样得到LR图片，然后将LR图片输入，训练生成器，使之生成对应的HR图片。训练生成器的过程与训练前馈CNN一样，都是对网络参数θG进行优化，如下所示：

需要注意的是在这里用的是perceptual loss—lSR
进一步，作者定义了判别器DθG，如同跟Following Goodfellow提出的GAN网络一样，生成器和判别器交替优化下面这个式子：

网络结构如图所示

perceptual loss function

perceptual loss的定义对于生成器的表演十分关键，通过对content loss和adversarial loss分别赋予权重，得到下式：

Content loss
大部分用来做图像超分辨率的算法都用MSE作为损失函数来进行优化，可以得到很高的信噪比，但是这样的方式产生的图像存在高频细节缺失的问题。

因此，作者定义了以预训练19层VGG网络的ReLU激活层为基础的VGG loss：

ϕi,j表示VGG19网络当中第i层maxpooling层后的第j个卷积层得到的特征图谱。
Wi,j和Hi,j分别表示VGG网络中特征图谱的维度。
Adversarial loss
作者将GAN中生成器对perpetual loss的影响通过adversarial loss体现出来。这一部分损失函数使我们的网络通过“欺骗”判别器从而偏向生成输出更接近自然图像的输出。

这里，DθG(GθG(ILR))表示的是判别器将生成器生成的图像GθG(ILR)判定为自然图像的概率。

Experiment

MOS平均意见得分

这里表现的人眼对于图像效果的评价
final networks