📖 DeSRA: Detect and Delete the Artifacts of GAN-based Real-World Super-Resolution Models

2023年7月5日 · In this paper, we analyze the cause and characteristics of the GAN artifacts produced in unseen test data without ground-truths. We then develop a novel method, namely, DeSRA, to Detect and then Delete those SR Artifacts in practice.

然后，基于上述距离与语义感知阈值定位问题区域， 最后，采用少量相关样例微调GAN-SR模型以使其能处理类似类型的伪影。 当加持DeSRA后，我们可以成功的在推理阶段消除伪影，同时改善了超分模型在实际场景的应用能力。 本文出发点

本文详细介绍了DeSRA (Detect and Delete the Artifacts of GAN-based Real-World Super-Resolution Models)方法，这是一种针对GAN超分辨率模型推理伪影的检测和消除技术。 文章深入探讨了DeSRA的工作原理、应用场景及其在实际场景中的重要意义。

这个weight越低代表该类的perceptual tolerance rate越大，这一点在LDL中有一些解释，即A类纹理，Smooth areas / Large-scale structures，GAN复原的难度较低，不容易产生伪影，而B类Texture-like aliasing details和C类Fine-scale aliasing structures更容易产生伪影，相对来说最为复 …

In this paper, we analyze the cause and characteristics of the GAN artifacts produced in unseen test data without ground-truths. We then develop a novel method, namely, DeSRA, to Detect and then "Delete" those SR Artifacts in practice.

2023年8月8日 · 针对此，来自 腾讯 ARC Lab，XPixel 团队和澳门大学 的研究者们提出了 DeSRA 的新方法 并发 表论文。 它能够对在推理阶段中产生的超分瑕疵进行检测并消除。 该论文被 ICML 2023 所接收。 论文链接：https://arxiv.org/abs/2307.02457 代码链接：https://github.com/TencentARC/DeSRA

DeSRA项目开发了创新方法，用于检测和消除GAN实际场景超分辨率模型中的伪影。 该方法能高效识别伪影区域，通过微调策略消除同类伪影，只需少量样本即可。

2023年8月7日 · 针对此，来自腾讯 ARC Lab，XPixel 团队和澳门大学的研究者们提出了 DeSRA 的新方法并发表论文。 它能够对在推理阶段中产生的超分瑕疵进行检测并消除。 该论文被 ICML 2023 所接收。 论文链接：https://arxiv.org/abs/2307.02457 代码链接：https://github.com/TencentARC/DeSRA

2023年8月6日 · 针对此，来自 腾讯 ARC Lab，XPixel 团队和澳门大学 的研究者们提出了 DeSRA 的新方法 并发 表论文。 它能够对在推理阶段中产生的超分瑕疵进行检测并消除。 该论文被 ICML 2023 所接收。 论文链接：https://arxiv.org/abs/2307.02457 代码链接：https://github.com/TencentARC/DeSRA