Unsupervised Image Super-Resolution with an Indirect Supervised Path (CVPRW 2020)

Unsupervised Image Super-Resolution with an Indirect Supervised Path (CVPRW 2020)

-Authors:  Shuaijun Chen, Zhen Han, Enyan Dai, Xu Jia, Ziluan Liu, Xing Liu, Xueyi Zou, Chunjing Xu, Jianzhuang Liu, Qi Tian

Figure 1: Pipeline of the proposed framework for unsupervised image super-resolution

-본 논문에서는supervised learning이 학습된 dataset에서는 우수한 성능을 만들지만 real-case에서는 적용이 어렵다는 한계점을 극복하기 위해 Unsupervised learning을 통해 real-case에서도 성능을 유지하고자 한다.

 

-제안하는 기법의 네트워크 학습 과정은 2가지 단계로 이루어진다.

 

-1단계는 HR image를 통해 synthetic LR image로 재구성하고, real LR image와 synthetic LR image와의 gap을 학습시키며 네트워크로 하여금 synthetic LR image에 real-case의 information을 추가하게 만든다. 이때 , real LR image와 synthetic LR image는 서로 다른 image이다. 위 figure 1의 1단계 참고.

-두번째로 새로운 네트워크가 real-case가 포함된 synthetic LR image와 HR image 사이의 gap을 학습하게 한다. 이를 통해 네트워크는 real-case에서도 우수한 성능을 낼 수 있다.