【论文精读系列】ESRGAN

ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks

论文地址：https://openaccess.thecvf.com/content_ECCVW_2018/papers/11133/Wang_ESRGAN_Enhanced_Super-Resolution_Generative_Adversarial_Networks_ECCVW_2018_paper.pdf

代码：https://github.com/xinntao/ESRGAN

Introduction

这篇文章在 SRGAN 的基础上对其 network architecture、adversarial loss 和 perceptual loss 做了改进。

1. 使用 Residual-in-Residual Dense Block(RRDB) 替换掉 SRGAN 中所使用的 Residual Block 并去掉了 BN 层。
2. 参考 Relativistic GAN 对 SRGAN 中所使用的 adversarial loss 做了改进
3. 使用激活层之前的 feature map 来计算 perceptual loss

Methods

1 使用 RRDB 替换 RB 并去掉 BN 层

2 参照 Relativistic GAN 改进对抗损失(adversarial loss)

3 使用激活层之前的 feature map 计算 perceptual loss

4 使用 Network Interpolation 的方法平衡主客观评价指标的矛盾