PulseAugur
中
实时 15:08:59
English(EN) MaCo-GAN: Manifold-Contrastive Adversarial Learning for Single Image Super-Resolution

MaCo-GAN 框架通过对比学习改进图像超分辨率

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了 MaCo-GAN，一个用于单图像超分辨率的新框架，解决了传统生成对抗网络 (GAN) 中的伪影生成问题。这种新颖的方法用监督对比目标取代了标准的对抗损失，并利用动态合成器创建具有挑战性、感知上可信的假图像。MaCo-GAN 框架训练生成器区分流形内和流形外的假图像，从而在各种基准测试中改善感知-失真权衡。 AI

影响 引入新颖的对比学习方法，通过减少伪影来提高图像超分辨率质量。

排序理由 该集群包含一篇详细介绍图像超分辨率新方法的论文。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

MaCo-GAN 框架通过对比学习改进图像超分辨率

报道来源 [2]

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

    MaCo-GAN：用于单图像超分辨率的流形对比对抗学习

    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…

  2. arXiv cs.CV TIER_1 English(EN) · Moongu Jeon ·

    MaCo-GAN：用于单图像超分辨率的流形对比对抗学习

    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 conditional realism. To address this, we propose …

相关实体

相关话题