PulseAugur
中
实时 10:22:53
English(EN) MaCo-GAN: Manifold-Contrastive Adversarial Learning for Single Image Super-Resolution

MaCo-GAN 通过对比学习推动图像超分辨率发展

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种名为 MaCo-GAN 的新框架，用于单图像超分辨率，该框架利用流形对比对抗学习。这种方法用监督对比目标取代了传统的对抗损失，生成了一系列逼真的假图像，这些图像保持了低分辨率的对应关系。生成器经过训练，使其预测与流形上的假图像对齐，同时排斥流形外的假图像，从而改善了感知-失真权衡。 AI

影响 引入了一种新颖的对比学习方法，有望提高超分辨率任务中的图像质量。

排序理由 这是一篇详细介绍图像超分辨率新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Daeyoung Han, Seongmin Hwang, Moongu Jeon ·

    MaCo-GAN: Manifold-Contrastive Adversarial Learning for Single Image Super-Resolution

    arXiv:2606.05068v1 Announce Type: new Abstract: Conventional Generative Adversarial Networks (GANs) for Single Image Super-Resolution (SISR) often struggle with hallucinated artifacts, largely because standard discriminators evaluate overall image naturalness rather than strict c…

相关实体

相关话题