RealSR описание, скриншоты и видео

Недавние современные методы сверхвысокого разрешения достигли впечатляющей производительности на идеальных наборах данных независимо от размытия и шума. Однако эти методы всегда терпят неудачу в сверхвысоком разрешении реального изображения, поскольку в большинстве из них используется простая бикубическая понижающая дискретизация из высококачественных изображений для построения пар низкого разрешения (LR) и высокого разрешения (HR) для обучения, которое может потерять след. деталей, связанных с частотой. Чтобы решить эту проблему, мы сосредоточимся на разработке новой схемы ухудшения качества изображений реального мира путем оценки различных ядер размытия, а также распределения реального шума. Основываясь на нашей новой структуре деградации, мы можем получать изображения LR, имеющие общий домен с изображениями реального мира. Затем мы предлагаем реальную модель сверхвысокого разрешения, направленную на лучшее восприятие. Обширные эксперименты с данными синтетического шума и реальными изображениями показывают, что наш метод превосходит современные методы, что приводит к снижению уровня шума и улучшению качества изображения. Кроме того, наш метод является победителем NTIRE 2020 Challenge на обоих треках Real-World Super-Resolution, что значительно превосходит других конкурентов с большим отрывом.