SROBB论文阅读

SROBB: Targeted Perceptual Loss for Single Image Super-Resolution

没有GitHub
论文翻译：https://blog.youkuaiyun.com/breezero/article/details/100624738
问题：
如果将CNN应用在整体图像上，而不考虑语义信息，会限制其能力。仍使用小内核较少细粒度的空间细节。需要学习具有全局语义意义和抽象对象信息的特征。

做法：

1. 提出的目标函数用相应的损失项对图像的不同区域进行惩罚，即在训练过程中使用边缘损失对边缘进行惩罚，使用纹理损失对纹理进行惩罚。
2. 我们引入了我们的OBB标签，以提供更好的空间控制的语义信息的图像。这使得我们有针对性的感知损失集中在图像的语义区域。

好处：

1. 更真实的纹理和更锐利的边缘。
2. 基于像素的分割注释来构建我们所提议的OBB标签，以便能够找到可用于最小化不同图像区域适当损失的定向感知特征。

具体方法：

我们引入了一个包含三个项的损失函数:

1. 像素损失(MSE)，
2. 对抗性损失，
3. 我们新的定向知觉损失。

下面介绍了新的定向知觉损失
使用低级特征重构边缘更有效，而使用中级特征分解的纹理更接近于原始图像。
为此，我们首先在图像中定义三种类型的区域