脉冲 swMATH编号： 42578 软件作者： Sachit Menon、Alexandru Damian、Shijia Hu、Nikhil Ravi、Cynthia Rudin 描述： 脉冲：通过生成模型的潜在空间探索进行自我监督照片上采样。单图像超分辨率的主要目的是从相应的低分辨率（LR）输入构建高分辨率（HR）图像。在以前的方法中，训练目标通常是在监督下测量超分辨率（SR）和HR图像之间的像素级平均距离。优化此类指标通常会导致模糊，尤其是在高方差（详细）区域。我们提出了一种基于创建正确缩小比例的真实SR图像的超分辨率问题的替代公式。我们提出了一种解决这个问题的算法PULSE（通过潜在空间探索进行照片上采样），它以文献中从未见过的分辨率生成高分辨率、逼真的图像。它以完全自主的方式实现这一点，并且不限于培训期间使用的特定降级操作员，这与以前的方法不同（需要对LR-HR图像对的数据库进行监督培训）。PULSE不是从LR图像开始慢慢添加细节，而是遍历高分辨率自然图像流形，搜索缩小到原始LR图像的图像。这是通过“缩小损失”形式化的，它引导探索通过生成模型的潜在空间。通过利用高维高斯函数的特性，我们限制了搜索空间，以保证真实的输出。PULSE由此生成超分辨率图像，这些图像既真实又准确地缩小了比例。我们在人脸超分辨率（即面部幻觉）领域展示了我们的方法的概念证明。我们还对该方法的局限性和偏差进行了讨论，该方法目前已实现，并附带了带有相关指标的模型卡。我们的方法在感知质量方面优于最先进的方法，比以前更高的分辨率和比例因子。 主页： https://arxiv.org/abs/2003.03808 源代码： https://github.com/adamian98/脉冲 依赖项： 蟒蛇 相关软件： DnCNN公司；Wasserstein GAN公司；FFD网络；PyTorch公司；时尚GAN；Deep Adverserial正则化器；网络电话；亚当；奥根；LSUN公司；BM3D公司；AlexNet公司；ImageNet公司；NVAE公司；github；比根；风险回收率；MNIST公司；LoDoPaB-CT公司；BADMM公司 引用于： 6文件 全部的 前5名17位作者引用 1 安德烈斯·阿尔曼萨 1 西蒙·R·阿里奇。 1 雷格夫·科恩 1 迈克尔·埃拉德 1 尼哈里卡·贾因 1 苏巴拉奥·坎巴帕蒂 1 彼得·马斯 1 利迪亚·马尼孔达 1 佩曼·米兰法尔 1 阿尔贝托·奥尔莫 1 Ong，Yong Zheng（昂永正） 1 马塞洛·佩雷拉 1 卡罗拉·比比安·施恩利布 1 塞利克·森古普塔 1 Pauline Tan 1 杨海照 1 Zygalakis，Konstantinos C。 4篇连载文章中引用 三 SIAM成像科学杂志 1 人工智能 1 Oberwolfach报告 1 反问题和成像 全部的 前5名在7个字段中引用 6 计算机科学（68至XX） 4 数值分析（65-XX） 2 统计学（62-XX） 1 总体主题；集合（00-XX） 1 算子理论（47-XX） 1 运筹学、数学规划（90-XX） 1 信息与通信理论、电路（94-XX） 按年份列出的引文