SRGAN
-
[논문리뷰] (SFT-GAN) Recovering Realistic Texture in Image Super-resolution by Deep Spatial Feature Transform / CVPR 2018공부/Super Resolution 논문리뷰 2020. 4. 1. 17:23
이 논문은, SROBB이전에 나왔던 conditioning information (segmentation probability map)을 사용하는 GAN-based SR방법에 대한 논문이다. SR을 하는 network의 입장에서 해당 texture가 무엇인지에 대한 정확한 정보를 가지고 SR을 수행하며, SFT layer라는 획기적인 feature modulation 방법을 통해 매우 효율적으로 conditioning information을 사용하는 방법을 제시하였으며, 상당한 성능향상을 보인다. 그러나, SROBB와는 다르게 segmentation probability map이 학습시 뿐만 아니라, 테스트시에도 존재해야 한다는것은 큰 단점이라고 할 수 있다. ABSTRACT CNN이 SR에서 높은 성능..
-
[논문리뷰] (SROBB) SROBB: Targeted Perceptual Loss for Single Image Super-Resolution공부/Super Resolution 논문리뷰 2020. 3. 18. 16:52
이 논문은 2019 ICCV에 발표된 논문으로, Segmentation labeling 된 dataset으로부터 object, background, boundary 등을 구분하여 각각에 알맞은 loss를 적용시켜 학습한다는 아이디어를 제안하는 논문이다. 기존의 SRGAN, ESRGAN과 같은 GAN based SR의 문제점들을 (boundary 부근인데 텍스쳐처럼 뭉개진다던지 하는) 해소해 나가는 방향(SFT-GAN과 같은 segmentation을 SR에 활용)의 논문이다. ABSTRACT 최근의 perceptual loss기반의 SR들은 상당한 성능 향상을 이루어왔다. 이와 같은 objective function들은 거의 photo-realistic 한 결과를 생성하지만, 이미지 내의 semantic ..