使用生成對(duì)抗網(wǎng)絡(luò)（GAN）進(jìn)行圖像超分辨率（SR）已經(jīng)在恢復(fù)逼真細(xì)節(jié)方面取得了巨大成功。然而，眾所周知，基于 GAN 的 SR 模型會(huì)產(chǎn)生令人難以接受的偽影，特別是在實(shí)際場(chǎng)景中。以往的研究通常在訓(xùn)練階段通過額外的損失懲罰來抑制瑕疵，但這些方法只適用于訓(xùn)練過程中生成的同分布下的瑕疵類型。

而當(dāng)這些方法應(yīng)用于真實(shí)世界場(chǎng)景中時(shí)，我們觀察到這些方法在推理過程中仍然會(huì)產(chǎn)生明顯的瑕疵。針對(duì)此，來自騰訊 ARC Lab，XPixel 團(tuán)隊(duì)和澳門大學(xué)的研究者們提出了 DeSRA 的新方法并發(fā)表論文。它能夠?qū)υ谕评黼A段中產(chǎn)生的超分瑕疵進(jìn)行檢測(cè)并消除。該論文被 ICML 2023 所接收。 ?

• 論文鏈接：https://arxiv.org/abs/2307.02457
• 代碼鏈接：https://github.com/TencentARC/DeSRA

“GAN 訓(xùn)練時(shí)出現(xiàn)的瑕疵” 與 “GAN 推理時(shí)出現(xiàn)的瑕疵” 基于 GAN 的方法在生成帶有紋理的逼真復(fù)原結(jié)果方面取得了巨大成功。BSRGAN [1] 和 Real-ESRGAN [2] 將基于 GAN 的模型擴(kuò)展到了真實(shí)場(chǎng)景應(yīng)用，展示了它們恢復(fù)真實(shí)世界圖像紋理的能力。然而， GAN-SR 方法經(jīng)常會(huì)生成令人視覺上難以接受的偽影，嚴(yán)重影響用戶體驗(yàn)。這個(gè)問題在真實(shí)世界場(chǎng)景中更加嚴(yán)重，因?yàn)榈头直媛蕡D像的退化是未知且復(fù)雜的。

第一列：低清輸入；第二列：現(xiàn)有超分方法引起瑕疵；第三列：DeSRA 檢測(cè)出瑕疵區(qū)域；第四列：DeSRA 去除瑕疵

為了緩解瑕疵的生成，LDL [3] 通過分析紋理類型，計(jì)算每個(gè)像素是瑕疵的概率，并在訓(xùn)練過程中通過增加損失進(jìn)而對(duì)瑕疵進(jìn)行抑制。雖然它確實(shí)改善了 GAN-SR 的結(jié)果，但我們?nèi)匀豢梢杂^察到 LDL 在推理真實(shí)世界測(cè)試數(shù)據(jù)時(shí)會(huì)存在明顯瑕疵，如上圖所示。因此，僅僅通過改善模型的訓(xùn)練很難解決這些瑕疵問題，因?yàn)檫@些瑕疵在 GAN-SR 模型的訓(xùn)練過程中可能并不出現(xiàn)。 這里我們區(qū)分一下 GAN 訓(xùn)練出現(xiàn)的瑕疵和測(cè)試出現(xiàn)的瑕疵：

• GAN 訓(xùn)練出現(xiàn)的瑕疵（GAN-training artifacts）：出現(xiàn)在訓(xùn)練階段，主要是由于訓(xùn)練時(shí)網(wǎng)絡(luò)優(yōu)化的不穩(wěn)定和在同分布數(shù)據(jù)上的 SR 的 ill-pose 導(dǎo)致。在有干凈的高清圖像存在的情況下，可以在訓(xùn)練過程中對(duì)這些瑕疵加以約束，進(jìn)而緩解瑕疵的生成，如 LDL [3]。
• GAN 推理出現(xiàn)的瑕疵（GAN-inference artifacts）：出現(xiàn)在推理階段，這些偽影通常是在真實(shí)世界未見過的數(shù)據(jù)中出現(xiàn)的。這些瑕疵通常不在訓(xùn)練數(shù)據(jù)的分布中，并不會(huì)在訓(xùn)練階段出現(xiàn)。因此，通過改善訓(xùn)練過程的方法（例如 LDL [3]）無法解決這些瑕疵問題。

處理 GAN 推理時(shí)產(chǎn)生的瑕疵是一項(xiàng)新的、具有挑戰(zhàn)性的任務(wù)。首先真實(shí)場(chǎng)景的低分辨率圖片沒有對(duì)應(yīng)的高清圖片。此外，由于這些偽影在訓(xùn)練集中可能很少甚至從未出現(xiàn)過，因此很難模擬這些瑕疵。換句話說，這些瑕疵對(duì)于模型來說是未知的，而且超出了其訓(xùn)練數(shù)據(jù)的分布范圍。解決這個(gè)問題是將 GAN-SR 模型應(yīng)用于實(shí)際場(chǎng)景的關(guān)鍵，具有重要的實(shí)用價(jià)值。 檢測(cè) GAN 推理時(shí)出現(xiàn)的瑕疵 ?在本文中，研究團(tuán)隊(duì)專注于處理 GAN 推理時(shí)產(chǎn)生的瑕疵。這些瑕疵對(duì)實(shí)際的應(yīng)用有很大的負(fù)面影響，因此解決它們具有很大的實(shí)際價(jià)值。由于這些瑕疵的復(fù)雜性和多樣性，一次性解決所有瑕疵是具有挑戰(zhàn)性的。 本文主要處理有著以下兩個(gè)特征的瑕疵：

• 這些瑕疵不會(huì)出現(xiàn)在預(yù)訓(xùn)練的 MSE-SR 模型中。
• 這些瑕疵很明顯且面積較大，能夠很容易被人眼捕捉到。上圖展示了一些包含這些瑕疵的樣例。

對(duì)于前一特征，研究團(tuán)隊(duì)希望確保瑕疵是由 GAN 引起的，而相應(yīng)的 MSE-SR 結(jié)果對(duì)于測(cè)試數(shù)據(jù)是良好的參考結(jié)果，從而區(qū)分瑕疵。其原理在于，GAN 瑕疵的呈現(xiàn)通常是有著過多不需要的高頻 “細(xì)節(jié)”。換句話說，研究團(tuán)隊(duì)引入 GAN 訓(xùn)練來生成精細(xì)的細(xì)節(jié)，但他們不希望 GAN 生成的內(nèi)容與 MSE-SR 的結(jié)果相差太大。注意，即使對(duì)于沒有見過的真實(shí)場(chǎng)景的測(cè)試數(shù)據(jù)，MSE-SR 結(jié)果也很容易獲得，因?yàn)槲覀兺ǔＪ腔?MSE-SR 模型進(jìn)行微調(diào)以獲得 GAN-SR 模型。對(duì)于后一特征，之所以優(yōu)化考慮那些明顯且占據(jù)較大區(qū)域的瑕疵，是因?yàn)檫@種類型的瑕疵對(duì)人的感知有很大影響。 具體的，研究團(tuán)隊(duì)首先設(shè)計(jì)了一個(gè)定量指標(biāo)，通過計(jì)算局部方差來衡量 MSE-based 和 GAN-based 模型生成結(jié)果之間的紋理差異。該指標(biāo)總共包含著以下幾個(gè)部分。

• 局部紋理復(fù)雜性：局部區(qū)域 P 內(nèi)像素強(qiáng)度的標(biāo)準(zhǔn)差 σ(i, j) 來表示局部紋理

?

• 絕對(duì)紋理差異 d：兩個(gè)局部區(qū)域的標(biāo)準(zhǔn)差（x 表示 GAN-SR 區(qū)域，y 表示 MSE-SR 區(qū)域）

?

• 相對(duì)紋理差異 d’：

• 歸一化到 [0, 1]:

?

• 引入一個(gè)常數(shù) C：處理分母相對(duì)較小的情況

?在獲得紋理差異圖 D 后，可以利用它來確定需要處理的區(qū)域。然而，僅僅使用紋理復(fù)雜度的差異作為判斷依據(jù)是不夠的，因?yàn)椴煌Z(yǔ)義區(qū)域的感知容忍度是不同的。例如，復(fù)雜紋理區(qū)域中的細(xì)節(jié)，如植被、頭發(fā)等，很難被感知為瑕疵，而平滑或規(guī)則紋理區(qū)域中的像素差異較大，例如海洋、天空和建筑物，對(duì)人類感知敏感，容易被看作瑕疵。因此，研究團(tuán)隊(duì)我根據(jù)語(yǔ)義信息對(duì)偽影圖 D 進(jìn)行了進(jìn)一步的調(diào)整，得到，下圖的第六列。 最后，研究團(tuán)隊(duì)通過形態(tài)學(xué)操作來獲得最終的瑕疵檢測(cè)結(jié)果，即下圖的第七列。具體來說，他們首先使用一個(gè) 5×5 全為 1 的矩陣進(jìn)行腐蝕操作。然后，使用該矩陣進(jìn)行膨脹操作以連接不連續(xù)的區(qū)域。接下來，使用一個(gè) 3×3 全為 1 的矩陣來填充地圖中的空洞。最后，過濾掉離散的小區(qū)域作為檢測(cè)噪聲。 去除 GAN 推理時(shí)出現(xiàn)的瑕疵 對(duì)復(fù)原結(jié)果中瑕疵的檢測(cè)本身具有很大的實(shí)際價(jià)值?；谠摻Y(jié)果，研究團(tuán)隊(duì)希望進(jìn)一步改進(jìn) GAN-SR 模型。考慮到對(duì)于實(shí)際應(yīng)用而言，有著明顯的瑕疵往往是用戶無法容忍的，而沒有瑕疵的弱恢復(fù)結(jié)果（細(xì)節(jié)少一點(diǎn)）比帶有瑕疵的強(qiáng)恢復(fù)結(jié)果更可接受。因此，他們利用 MSE-SR 結(jié)果作為模型輸出的參考。如下圖所示，研究團(tuán)隊(duì)使用 MSE-SR 結(jié)果替換在 GAN-SR 結(jié)果中檢測(cè)到瑕疵的區(qū)域。合并的圖像用作偽高清圖片（偽 GT）。 ?其中表示生成的偽 GT，和分別是 MSE-SR 和 GAN-SR 結(jié)果，(?) 表示逐元素相乘，M 是檢測(cè)到的偽影地圖。然后，研究團(tuán)隊(duì)使用少量數(shù)據(jù)從真實(shí)數(shù)據(jù)中生成數(shù)據(jù)對(duì)（x，）來微調(diào)模型，其中 x 表示 LR 數(shù)據(jù)。只需要進(jìn)行少量迭代的微調(diào)（在本次實(shí)驗(yàn)中大約 1K 次迭代就足夠了），更新后的模型將產(chǎn)生視覺感知良好且沒有明顯瑕疵的結(jié)果。此外，它不會(huì)影響沒有瑕疵的區(qū)域中的細(xì)節(jié)。這種方法的工作機(jī)制是通過微調(diào)過程將合成數(shù)據(jù)的分布與實(shí)際數(shù)據(jù)的分布之間的差距縮小，從而減輕 GAN-inference 中的瑕疵問題。 ?實(shí)驗(yàn)評(píng)估與分析 研究團(tuán)隊(duì)使用 Real-ESRGAN [2]，LDL [3] 以及 SwinIR [4] 來驗(yàn)證他們的方法的有效性?？紤]到現(xiàn)有的幾個(gè)真實(shí)世界的超分辨率數(shù)據(jù)集都假設(shè)了特定相機(jī)的退化情況，導(dǎo)致會(huì)與實(shí)際情況相差甚遠(yuǎn)。因此，他們構(gòu)建了一個(gè)人工標(biāo)注的瑕疵數(shù)據(jù)集?？紤]到圖像內(nèi)容和退化的多樣性，他們使用 ImageNet 1K 的驗(yàn)證集作為真實(shí)世界的低分辨率數(shù)據(jù)。然后，選擇每種方法中有 200 張有 GAN-inference 瑕疵的圖像來構(gòu)建瑕疵數(shù)據(jù)集，并使用 labelme 手動(dòng)標(biāo)記瑕疵區(qū)域。這是首個(gè)用于 GAN-inference 瑕疵檢測(cè)的數(shù)據(jù)集。對(duì)于微調(diào)過程，他們對(duì) 200 張圖片進(jìn)行劃分，其中 50 張用于模型的微調(diào)，另外 150 張作為驗(yàn)證集。 評(píng)估指標(biāo)

由于缺乏真實(shí)世界低分辨率數(shù)據(jù)的高清參考圖片，經(jīng)典指標(biāo)如 PSNR、SSIM 無法采用。因此，研究團(tuán)隊(duì)考慮三個(gè)指標(biāo)來評(píng)估檢測(cè)結(jié)果，包括 1) 檢測(cè)到的瑕疵區(qū)域與實(shí)際的（人工標(biāo)注的）瑕疵區(qū)域之間的交并比（IoU），2) 檢測(cè)結(jié)果的精確度和 3) 檢測(cè)結(jié)果的召回率。當(dāng)用 A 和 B 表示特定區(qū)域 z 的檢測(cè)到的瑕疵區(qū)域和實(shí)際的瑕疵區(qū)域時(shí)，IoU 定義為：

計(jì)算每個(gè)圖像的 IoU，并使用驗(yàn)證集上的平均 IoU 來評(píng)估檢測(cè)算法。較高的 IoU 意味著更好的檢測(cè)準(zhǔn)確性。然后，我們將檢測(cè)到的瑕疵區(qū)域集合定義為 S，正確樣本集合 T 定義為：

精確度 =表示正確檢測(cè)的區(qū)域數(shù)（）占總檢測(cè)到的區(qū)域數(shù)（）的比例。

研究團(tuán)隊(duì)將實(shí)際的瑕疵區(qū)域定義為 G，并通過以下方式計(jì)算檢測(cè)到的 GT 瑕疵區(qū)域集合 R： ?召回率 =表示正確檢測(cè)到的 GT 瑕疵區(qū)域數(shù)（）占總 GT 瑕疵區(qū)域數(shù)（）的比例。其中，p 是一個(gè)閾值，研究團(tuán)隊(duì)根據(jù)經(jīng)驗(yàn)將其設(shè)置為 0.5。

瑕疵檢測(cè)結(jié)果 如下表所示，針對(duì) LDL 模型中的瑕疵檢測(cè)結(jié)果中，本文方法獲得了最好的 IoU 和 Precision，遠(yuǎn)遠(yuǎn)超過其他方案。需要注意的是，LDL 在 threshold=0.001 時(shí)獲得了最高的召回率。這是因?yàn)樵摲桨笇⒋蟛糠謪^(qū)域視為瑕疵，因此這種檢測(cè)結(jié)果幾乎沒有意義。Real-ESRGAN 和 SwinIR 的結(jié)果可以參考原文。 ?研究團(tuán)隊(duì)同時(shí)對(duì)比了使用 DeSRA 微調(diào)策略之前和之后的瑕疵檢測(cè)結(jié)果，結(jié)果如下表所示，當(dāng)應(yīng)用他們的 DeSRA 之后，Real-ESRGAN 的 IoU 從 51.1 降至 12.9，LDL 的 IoU 從 44.5 降至 13.9，說明瑕疵區(qū)域的檢測(cè)面積大大減少。去除率分別為 75.43% 和 74.97%，表明在微調(diào)之后，測(cè)試數(shù)據(jù)中四分之三的瑕疵可以完全消除。此外，他們的方法沒有引入額外瑕疵，添加率為 0。 本文在下圖中提供了使用與未使用該文方法改進(jìn) GAN-SR 模型的結(jié)果的視覺比較。與原始的模型結(jié)果相比，改進(jìn)的 GAN-SR 模型生成的結(jié)果在視覺質(zhì)量上更好，沒有明顯的 GAN-SR 瑕疵。所有這些實(shí)驗(yàn)結(jié)果證明了本文方法能有效的緩解模型在處理真實(shí)的低清圖片時(shí)會(huì)出現(xiàn)的瑕疵。 ? ? ?User Study ?為了進(jìn)一步驗(yàn)證本文 DeSRA 微調(diào)策略的有效性，研究團(tuán)隊(duì)進(jìn)行了兩項(xiàng)用戶研究。第一項(xiàng)是比較原始 GAN-SR 模型和微調(diào)后的 GAN-SR 模型生成的結(jié)果。對(duì)于這個(gè)實(shí)驗(yàn)，比較的重心是圖片中是否存在明顯的偽影。研究團(tuán)隊(duì)產(chǎn)生了共 20 組圖像，每組包含 GAN-SR 模型和微調(diào)后的 GAN-SR 模型的輸出結(jié)果。這些圖像被隨機(jī)打亂。共有 15 人參與了用戶研究，并為每組選擇他們認(rèn)為偽影較少的圖像。最終的統(tǒng)計(jì)結(jié)果如圖 9 所示。82.23% 的參與者認(rèn)為微調(diào)后的 GAN-SR 模型生成的結(jié)果較少存在偽影?？梢钥闯?，本文方法在很大程度上消除了原始模型產(chǎn)生的瑕疵。 第二項(xiàng)是對(duì)微調(diào)的 GAN-SR 模型和原始的 MSE-SR 模型結(jié)果的比較。這個(gè)實(shí)驗(yàn)是為了比較模型生成的結(jié)果是否有更多的細(xì)節(jié)。研究團(tuán)隊(duì)總共產(chǎn)生了 20 組圖像，每組圖像包含了 MSE-SR 模型和微調(diào)的 GAN-SR 模型的輸出結(jié)果。這些圖像被隨機(jī)打亂?？偣灿?15 個(gè)人參加用戶研究，并為每組選擇他們認(rèn)為有更多細(xì)節(jié)的圖像。最終的統(tǒng)計(jì)結(jié)果如圖 9 所示。93% 的參與者認(rèn)為微調(diào)的 GAN-SR 模型生成的結(jié)果有著更多的細(xì)節(jié)?？梢钥闯觯⒄{(diào)的 GAN-SR 模型仍然比 MSE-SR 模型能夠生成更多的細(xì)節(jié)。 結(jié)論 在這項(xiàng)工作中，研究團(tuán)隊(duì)分析了 GAN 在推理階段引入的瑕疵，并提出了方法來檢測(cè)和消除這些瑕疵。具體而言，他們首先計(jì)算了 MSE-SR 和 GAN-SR 的相對(duì)局部方差，并進(jìn)一步結(jié)合語(yǔ)義信息來定位有瑕疵的區(qū)域。在檢測(cè)到存在瑕疵的區(qū)域后，他們使用基于 MSE 的結(jié)果作為偽高清圖片來微調(diào)模型。通過僅使用少量數(shù)據(jù)，微調(diào)的模型可以成功消除原始模型在推理過程中的瑕疵。實(shí)驗(yàn)結(jié)果顯示了他們的方法在檢測(cè)和去除瑕疵方面的優(yōu)越性，并且顯著提高了 GAN-SR 模型在實(shí)際應(yīng)用中的能力。 在線持續(xù)學(xué)習(xí) 本文方法可以與持續(xù)學(xué)習(xí)相結(jié)合，從而提供一個(gè)新的范式來解決在線推理階段中出現(xiàn)的瑕疵問題。例如，對(duì)于處理真實(shí)世界數(shù)據(jù)的在線超分辨率系統(tǒng)，可以使用研究團(tuán)隊(duì)的檢測(cè)流程來檢測(cè)復(fù)原的結(jié)果是否具有 GAN-inference 瑕疵。然后，他們可以使用檢測(cè)到的帶有瑕疵的圖像快速對(duì)超分辨率模型進(jìn)行微調(diào)，使其能夠處理類似的瑕疵，直到系統(tǒng)遇到新的 GAN-inference 瑕疵。持續(xù)學(xué)習(xí)已經(jīng)在高層視覺任務(wù)上得到廣泛研究，但尚未應(yīng)用于超分辨率。研究團(tuán)隊(duì)希望在未來研究這個(gè)問題，因?yàn)樗梢詷O大地推進(jìn) GAN-SR 方法在實(shí)際場(chǎng)景中的應(yīng)用。