用于单图像超分辨率的细粒度注意力和特征共享生成对抗网络
该已被接受发表在IEEE多媒体交易上。
内容
1，拟议方法
我们在生成对抗网络中提出了两种新颖的技术来产生照片级逼真的图像，以实现图像的超分辨率。
法斯甘
我们提出了一个变体，称为图像超分辨率细粒度注意力生成对抗网络（FASRGAN），而不是产生一个单一的分数来区分真假图像，以区分真假之间的每个像素。
Fs-SRGAN
代替在SR问题中为生成器和鉴别器使用不同的网络，我们对生成器和鉴别器使用特征共享网络（Fs-SRGAN）。
2.结果和代码
如何评估结果
我们根据PSNR / SSIM / PI / LPIPS在多个数据集上评估了我们的方法，其中PSNR / SSIM用于评估SR图像的准确性，PI / LPIPS用于评估感知质量。 感知索引（PI）用于PIRM感知超分辨率挑战，并且在“深度特征作为感知度量的不合理有效性”工作中提出了
