檢測并消除瑕疵，DeSRA讓真實場景超分中的GAN更加完美

• 論文鏈接：

• https://arxiv.org/abs/2307.02457

• 代碼鏈接：

• https://github.com/TencentARC/DeSRA

“GAN 訓練時出現(xiàn)的瑕疵” 與 “GAN 推理時出現(xiàn)的瑕疵”

基于 GAN 的方法在生成帶有紋理的逼真復原結(jié)果方面取得了巨大成功。BSRGAN [1] 和 Real-ESRGAN [2] 將基于 GAN 的模型擴展到了真實場景應(yīng)用，展示了它們恢復真實世界圖像紋理的能力。然而， GAN-SR 方法經(jīng)常會生成令人視覺上難以接受的偽影，嚴重影響用戶體驗。這個問題在真實世界場景中更加嚴重，因為低分辨率圖像的退化是未知且復雜的。

• GAN 訓練出現(xiàn)的瑕疵（GAN-training artifacts）：出現(xiàn)在訓練階段，主要是由于訓練時網(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 導致。在有干凈的高清圖像存在的情況下，可以在訓練過程中對這些瑕疵加以約束，進而緩解瑕疵的生成，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世界未見過的數(shù)據(jù)中出現(xiàn)的。這些瑕疵通常不在訓練數(shù)據(jù)的分布中，并不會在訓練階段出現(xiàn)。因此，通過改善訓練過程的方法（例如 LDL [3]）無法解決這些瑕疵問題。

檢測 GAN 推理時出現(xiàn)的瑕疵

在本文中，研究團隊專注于處理 GAN 推理時產(chǎn)生的瑕疵。這些瑕疵對實際的應(yīng)用有很大的負面影響，因此解決它們具有很大的實際價值。由于這些瑕疵的復雜性和多樣性，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特征的瑕疵：

• 這些瑕疵不會出現(xiàn)在預訓練的 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。

對于前一特征，研究團隊希望確保瑕疵是由 GAN 引起的，而相應(yīng)的 MSE-SR 結(jié)果對于測試數(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 “細節(jié)”。換句話說，研究團隊引入 GAN 訓練來生成精細的細節(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，即使對于沒有見過的真實場景的測試數(shù)據(jù)，MSE-SR 結(jié)果也很容易獲得，因為我們通常是基于 MSE-SR 模型進行微調(diào)以獲得 GAN-SR 模型。對于后一特征，之所以優(yōu)化考慮那些明顯且占據(jù)較大區(qū)域的瑕疵，是因為這種類型的瑕疵對人的感知有很大影響。

具體的，研究團隊首先設(shè)計了一個定量指標，通過計算局部方差來衡量 MSE-based 和 GAN-based 模型生成結(jié)果之間的紋理差異。該指標總共包含著以下幾個部分。

• 局部紋理復雜性：局部區(qū)域 P 內(nèi)像素強度的標準差 σ(i, j) 來表示局部紋理

  
  

• 絕對紋理差異 d：兩個局部區(qū)域的標準差（x 表示 GAN-SR 區(qū)域，y 表示 MSE-SR 區(qū)域）

  
  

• 相對紋理差異 d’：

  
  

• 歸一化到 [0, 1]：

• 引入一個常數(shù) C：處理分母相對較小的情況

研究團隊使用 Real-ESRGAN [2]，LDL [3] 以及 SwinIR [4] 來驗證他們的方法的有效性?？紤]到現(xiàn)有的幾個真實世界的超分辨率數(shù)據(jù)集都假設(shè)了特定相機的退化情況，導致會與實際情況相差甚遠。因此，他們構(gòu)建了一個人工標注的瑕疵數(shù)據(jù)集?？紤]到圖像內(nèi)容和退化的多樣性，他們使用 ImageNet 1K 的驗證集作為真實世界的低分辨率數(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 手動標記瑕疵區(qū)域。這是首個用于 GAN-inference 瑕疵檢測的數(shù)據(jù)集。對于微調(diào)過程，他們對 200 張圖片進行劃分，其中 50 張用于模型的微調(diào)，另外 150 張作為驗證集。

評估指標

計算每個圖像的 IoU，并使用驗證集上的平均 IoU 來評估檢測算法。較高的 IoU 意味著更好的檢測準確性。然后，我們將檢測到的瑕疵區(qū)域集合定義為 S，正確樣本集合 T 定義為：

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

研究團隊將實際的瑕疵區(qū)域定義為 G，并通過以下方式計算檢測到的 GT 瑕疵區(qū)域集合 R：

召回率 =表示正確檢測到的 GT 瑕疵區(qū)域數(shù)（）占總 GT 瑕疵區(qū)域數(shù)（）的比例。其中，p 是一個閾值，研究團隊根據(jù)經(jīng)驗將其設(shè)置為 0.5。

瑕疵檢測結(jié)果

如下表所示，針對 LDL 模型中的瑕疵檢測結(jié)果中，本文方法獲得了最好的 IoU 和 Precision，遠遠超過其他方案。需要注意的是，LDL 在 threshold=0.001 時獲得了最高的召回率。這是因為該方案將大部分區(qū)域視為瑕疵，因此這種檢測結(jié)果幾乎沒有意義。Real-ESRGAN 和 SwinIR 的結(jié)果可以參考原文。

研究團隊同時對比了使用 DeSRA 微調(diào)策略之前和之后的瑕疵檢測結(jié)果，結(jié)果如下表所示，當應(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 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。所有這些實驗結(jié)果證明了本文方法能有效的緩解模型在處理真實的低清圖片時會出現(xiàn)的瑕疵。

為了進一步驗證本文 DeSRA 微調(diào)策略的有效性，研究團隊進行了兩項用戶研究。第一項是比較原始 GAN-SR 模型和微調(diào)后的 GAN-SR 模型生成的結(jié)果。對于這個實驗，比較的重心是圖片中是否存在明顯的偽影。研究團隊產(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。這些圖像被隨機打亂。共有 15 人參與了用戶研究，并為每組選擇他們認為偽影較少的圖像。最終的統(tǒng)計結(jié)果如圖 9 所示。82.23% 的參與者認為微調(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。

第二項是對微調(diào)的 GAN-SR 模型和原始的 MSE-SR 模型結(jié)果的比較。這個實驗是為了比較模型生成的結(jié)果是否有更多的細節(jié)。研究團隊總共產(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。這些圖像被隨機打亂?？偣灿?15 個人參加用戶研究，并為每組選擇他們認為有更多細節(jié)的圖像。最終的統(tǒng)計結(jié)果如圖 9 所示。93% 的參與者認為微調(diào)的 GAN-SR 模型生成的結(jié)果有著更多的細節(jié)。可以看出，微調(diào)的 GAN-SR 模型仍然比 MSE-SR 模型能夠生成更多的細節(jié)。

結(jié)論

在這項工作中，研究團隊分析了 GAN 在推理階段引入的瑕疵，并提出了方法來檢測和消除這些瑕疵。具體而言，他們首先計算了 MSE-SR 和 GAN-SR 的相對局部方差，并進一步結(jié)合語義信息來定位有瑕疵的區(qū)域。在檢測到存在瑕疵的區(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。實驗結(jié)果顯示了他們的方法在檢測和去除瑕疵方面的優(yōu)越性，并且顯著提高了 GAN-SR 模型在實際應(yīng)用中的能力。

在線持續(xù)學習

本文方法可以與持續(xù)學習相結(jié)合，從而提供一個新的范式來解決在線推理階段中出現(xiàn)的瑕疵問題。例如，對于處理真實世界數(shù)據(jù)的在線超分辨率系統(tǒng)，可以使用研究團隊的檢測流程來檢測復原的結(jié)果是否具有 GAN-inference 瑕疵。然后，他們可以使用檢測到的帶有瑕疵的圖像快速對超分辨率模型進行微調(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)學習已經(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。研究團隊希望在未來研究這個問題，因為它可以極大地推進 GAN-SR 方法在實際場景中的應(yīng)用。