摘要

生成对抗网络（GAN）已展现出在单图像超分辨率（SISR）中恢复真实细节的潜力。为了进一步提高超分辨率结果的视觉质量，PIRM2018-SR挑战赛采用了感知度量来评估感知质量，例如感知指数（PI）、无参考图像质量评估（NIQE）和Ma指标。然而，现有的方法无法直接优化这些不可微分的感知度量，而这些度量已被证明与人类评分高度相关。为了解决这一问题，我们提出了一种带有排序器的超分辨率生成对抗网络（RankSRGAN），以优化生成器在感知度量的方向上进行改进。具体而言，我们首先训练一个排序器，该排序器可以学习感知度量的行为，然后引入一种新的排名内容损失函数来优化感知质量。最吸引人的部分在于，所提出的方法能够结合不同超分辨率方法的优势，生成更好的结果。大量实验表明，RankSRGAN不仅实现了令人满意的视觉效果，还在感知度量方面达到了最先进的性能。项目页面：https://wenlongzhang0724.github.io/Projects/RankSRGAN