ICCV 2021 | 兼顧圖像超分辨率、圖像再縮放，ETH提出新型統(tǒng)一框架HCFlow，已開源

來自蘇黎世聯(lián)邦理工學(xué)院計算機視覺實驗室的研究者提出了一種統(tǒng)一框架 HCFlow，該框架可以同時處理圖像超分辨率和圖像再縮放，并在通用圖像超分辨率、人臉圖像超分辨率和圖像再縮放上等任務(wù)上取得了最佳結(jié)果。該論文已被 ICCV2021 接收。

近年來，歸一化流（Normalizing Flow）模型在圖像超分辨率（image SR）[SRFlow, ECCV2020]和圖像再縮放（image rescaling）[IRN, ECCV2020]任務(wù)上取得了驚人的效果。盡管這兩個任務(wù)有本質(zhì)的不同，但都具有高度的相似性?；谝陨蟽蓚€工作，來自蘇黎世聯(lián)邦理工學(xué)院計算機視覺實驗室的研究者提出了 HCFlow，使用一個統(tǒng)一的框架處理圖像超分辨率和圖像再縮放，并在通用圖像超分辨率、人臉圖像超分辨率和圖像再縮放上等任務(wù)上取得了最佳結(jié)果。該論文已被 ICCV2021 接收。

論文地址: https://arxiv.org/abs/2108.05301

Github 地址: https://github.com/JingyunLiang/HCFlow 

摘要

近期，歸一化流（Normalizing Flow）模型在底層視覺領(lǐng)域取得了驚人的效果。在圖像超分辨率上（image SR），可以用來從低分辨率圖像中預(yù)測出細節(jié)不同的高質(zhì)量高分辨率（?diverse photo-realistic）圖像。在圖像再縮放（image rescaling）上，可以用來聯(lián)合建模下采樣和上采樣過程，從而提升性能。

本文提出了一個統(tǒng)一的框架 HCFlow，可以用于處理這兩個問題。具體而言，HCFlow 通過對低分辨率圖像和丟失的高頻信息進行概率建模，在高分辨率和低分辨率圖像之間學(xué)習(xí)一個雙射（bijection）。其中，高頻信息的建模過程以一種多層級的方式條件依賴于低分辨率圖像。在訓(xùn)練中，該研究使用最大似然損失函數(shù)進行優(yōu)化，并引入了感知損失函數(shù)（perceptual loss）和生成對抗損失函數(shù)（GAN loss）等進一步提升模型效果。

實驗結(jié)果表明，HCFlow 在通用圖像超分辨率、人臉圖像超分辨率和圖像再縮放等任務(wù)上取得了最佳的結(jié)果。

 圖像超分辨率 v.s. 圖像再縮放

圖像超分辨率的目標(biāo)是從低分辨率圖像中重建出高分辨率圖像。低分辨率圖像空間一般是給定的。例如，雙三次降采樣 （bicubic downsampling）圖像。

圖像再縮放的目標(biāo)是將高分辨率圖像下采樣到視覺效果較好的低分辨率圖像，并且保證可以很好地恢復(fù)出原本的高分辨率圖像。與圖像超分任務(wù)不同，圖像再縮放中低分辨率圖像空間是可以自己定義的。它的主要應(yīng)用場景是減少圖像存儲和帶寬。

方法

 歸一化流簡單介紹

歸一化流（Normalizing Flow）模型致力于在目標(biāo)空間（例如高分辨率圖像 x）和隱空間（例如服從高斯分布的隱變量 z）之間學(xué)習(xí)一個雙射。它的模型結(jié)構(gòu)通常是由多層可逆變換組成的一個可逆神經(jīng)網(wǎng)絡(luò)（invertible neural network）：

根據(jù)變量變換公式（change of variable formula）和鏈?zhǔn)椒▌t，模型參數(shù)可以通過下面的最大似然損失函數(shù)進行優(yōu)化：

更多入門信息可以參考：

RealNVP論文：https://arxiv.org/abs/1605.08803

Glow論文：https://arxiv.org/abs/1807.03039

Eric Jang博客：https://blog.evjang.com/2018/01/nf1.html

滑鐵盧大學(xué)CS480：https://www.youtube.com/watch?v=3KUvxIOJD0k

低分辨率圖像空間建模

圖像超分辨率和圖像再縮放任務(wù)實際上都有一個圖像退化（降采樣）和圖像超分（上采樣）的過程?；跉w一化流模型，該研究可以在高分辨率圖像 x 和低分辨率圖像 y 以及一個編碼高頻信息的隱變量 a 之間學(xué)習(xí)一個可逆雙射變換。由于直接對自然圖像進行概率建模是很難的，該研究設(shè)計了一個基于真實低分辨率圖像 y * 的條件分布模型：

理想情況下，研究者希望 y 和 y * 越接近越好，所以他們將 p(y|y*)表示為狄拉克函數(shù)，并通過一個具有極小方差的高斯分布來近似表示 p(y|y*)：

由于高頻信息 p(a|y)可以通過另一個歸一化流模型變換為一個高斯分布 p(z)，整個模型可以定義為：

這樣，高分辨率圖像 x 就可以通過一個可逆神經(jīng)網(wǎng)絡(luò)變換為低分辨率圖像 y 和編碼高頻信息的隱變量 z，且都服從參數(shù)已知的高斯分布。因此，我們可以方便地通過計算最大似然損失函數(shù)來優(yōu)化模型。

 多層級網(wǎng)絡(luò)結(jié)構(gòu)

為了更好地建模低分辨率圖像和高頻信息之間的關(guān)系（即 p(a|y)），該研究進一步提出了一個多層級條件依賴建模框架。在保持整體網(wǎng)絡(luò)可逆性的條件下，逐步恢復(fù)高頻信息，重建出高分辨率圖像。如下圖所示，歸一化流的前向過程類似于二叉樹的深度優(yōu)先遍歷，而反向過程則從最深層逐步計算至第一層。y 和 a 分別代表各層的低頻和高頻信息，數(shù)字代表計算順序，藍色箭頭代表條件依賴關(guān)系。

具體的網(wǎng)絡(luò)結(jié)構(gòu)如下圖所示。

實驗

 圖像超分辨率

該研究使用最大似然損失函數(shù)訓(xùn)練模型，并使用 L1 損失函數(shù)，感知損失函數(shù)（perceptual loss）和生成對抗損失函數(shù)（GAN loss）進一步提升模型效果。在參數(shù)量下降 1/3 的情況下，HCFlow 在通用圖像超分辨率和人臉圖像超分辨率上，都取得了最佳的結(jié)果。在不同的隨機采樣中，可以生成細節(jié)不同的高質(zhì)量高分辨率圖像。值得注意的是，與 基于 GAN 的模型類似，基于歸一化流的模型主要關(guān)注視覺效果，PSNR 通常有所下降。

圖像再縮放

由于圖像再縮放通常不關(guān)注重建結(jié)果的多樣性，HCFlow 采用與 IRN （ECCV2020）一致的訓(xùn)練策略，將前向過程和反向過程分別視為編碼和解碼過程。訓(xùn)練損失函數(shù)包括在高分辨率圖像和低分辨率圖像上的 L1 損失函數(shù)，以及在隱變量上的約束。在相近的模型參數(shù)量下，取得了 0.10-0.34dB 的提升。

更多的模型細節(jié)請閱讀 [論文原文] 和已開源的[代碼]。