超分论文笔记之纹理迁移2019-2020CVPR：Image SRby Neural Texture Transfer -Learning Texture Transformer Network

论文笔记之CVPR2019超分四：Second-order Attention Network SR-Real Scene Super-Resolution with Raw Images-DPSR

2019CVPR超分文章记录系列三：PASSRnet-NatSR-AdaFMNet

2019CVPR超分文章记录系列二：IKC-MetaSR-ODEInspired

2019CVPR超分文章记录系列一：FSTRN-resLR-SRFBN-RBPN

超分文章记录 SRCNN-FSRCNN-ESPCN-VDCN-DRCN-RDN-LapSRN-SRDenseNet-SRGAN

1. Image Super-Resolution by Neural Texture Transfer

代码地址

1.1 总结

使用RefS方法，当参考图像很相似时，超分的结果还不错。但是参考图像对超分结果影响很大，特别是当参考图像相似性比较低时，效果不佳。作者通过纹理细节，根据纹理相似性做超分的方法，让RefSR方法受参考图像的相似性影响比较少。相比以往在输入做match,作者在多个level做match,利用多尺度神经迁移，模型能够从具有语义相关性的Ref patches获益更多，在输入的ref image只有小相关时，性能降低不会太严重。
在作者的设置里，Ref images并不需要对齐良好或者内容相似，作者只打算将语义相关的纹理从Ref图像传输到输出SR图像。作者提出了SRNTT,在特征空间做局部纹理的匹配，并将匹配的纹理迁移到输出。纹理传递模型学习了LR和Ref纹理之间复杂的依赖关系，并利用相似的纹理抑制不相似的纹理。
同时作者还提出了一个数据集CUFED5，这个数据集对于参考的提供了不同的相似度的参考图片。

1.2 方法

SRNTT的问题设置时，从对应的$I^{LR}$和$I^{Ref}$得到$I^{SR}$。
SRNTT的主要思想是在特征空间从$I^{Ref}$找到匹配特征，然后用multi-scale的方式做特征迁移。特征迁移考虑了语义（高层）和纹理（底层）相似性。然后对$I^{SR}$和$I^{Ref}$纹理一致性做了正则化。

1.2.1 Feature Swapping

对整个$I^{Ref}$搜索局部相似纹理，使用的是HR空间坐标可用于后续的转换。所以先将$I^{LR}$上采样到$I^{LR\uparrow }$，对于$I^{Ref}$，先降采样再上采样，得到和$I^{Ref\downarrow \uparrow }$，得到和$I^{LR\uparrow }$一样的频率带。再神经特征空间$\Phi (I)$做相似性匹配，强调了纹理和结构的匹配。使用内积衡量相似性，所以有
$$s_{i,j}=<P_i(\Phi (I^{LR\uparrow })),\frac{P_j(\Phi (I^{Ref\downarrow \uparrow }))}{||P_j(\Phi (I^{Ref\downarrow \uparrow }))||}>$$
$P_i(\cdot )$表示从neural feature map采样第i个patch。所以对于所有LR patches到每一个Ref patch，有
$$S_j=\Phi (I^{LR\uparrow })\ast \frac{P_j(\Phi (I^{Ref\downarrow \uparrow }))}{||P_j(\Phi (I^{Ref\downarrow \uparrow }))||}$$
基于相似性score,构建一个swapped feature map $M$，$M$中每个$(x,y)$点表示为：$$P_{\omega (x,y)}(M)=P_j\ast (\Phi (I^{Ref})),j^{\ast }=argma{x}_j{S}_j(x,y)$$
$\omega (x,y)$表示每个patch的中心点

1.2.2 Neural Texture Transfer

如图的蓝色模块。将上面得到的特征融进generative网络对应不同大小的特征层。使用residual blocks和skip connections构建生成网络,第$l$层的输出
$${\psi }_l[Res({\psi }_{l-1}||M_{l-1})+{\psi }_{l-1}]{\uparrow }_{2\times }$$
$||$表示channel-wise concate。
最后的超分图像
$$I^{SR}=Res({\psi }_{L-1}||M_{L-1})+{\psi }_{L-1}$$
于为了让网络考虑进$I^{SR}$和$I^{Ref}$纹理差异，定义了一个纹理loss
$$L_{tex}=\sum _l{\lambda }_l||Gr({\varphi }_l(I^{SR})\cdot S_l^{\ast })-Gr(M_l\cdot S_l^{\ast })|{|}_F$$
$Gr(\cdot )$是Gram matrix，$S_l^{\ast }$是weighting map

1.1.3 Training Object

• preserve the spatial structure of the LR image
• improve the visual quality of the SR image
• take advantage of the rich texture from Ref images
  Reconstruction loss
  $$L_{rec}=||I^{HR}-I^{SR}|{|}_1$$
  Perceptual loss
  $$L_{per}=\frac{1}{V}\sum _1^C||{\varphi }_i(I^{HR})-{\varphi }_i(I^{SR})|{|}_F$$
  Adversarial loss
  作者是采用WGAN-GP
  $$L_{adv}=-E_{\hat{x}\sim P_g}[D(\hat{x})]$$
  $$mi{n}_{G}ma{x}_{D\in \mathcal{D}}{E}_{x\sim P_r}[D(x)]-E_{\hat{x}\sim g}[D(\hat{x})]$$
  $\mathcal{D}$是1-Lipschitz函数，$P_r$,$P_g$模型分布和真实分布

2.Learning Texture Transformer Network for Image Super-Resolution

2.1 总结

现有的SR方法忽略了使用注意机制做纹理迁移。作者提出一个TTSR(Texture Transformer Network)
之前的方法：
Zheng 采用基于光流的方法会迁移不准确纹理
Zhang 的方法使用一个pre-trained的特征空间，但是太高层的语义特征不能有效表示HR的纹理信息。
所以作者提出了一个新的框架，包含了四个模块。
一个可学习的纹理提取器，在训练过程中会得到更新。这样的设计实现了LR和REF图像的联合特征嵌入，这为应用注意机制创造了坚实的基础。
一个关联嵌入模块，计算LR和Ref图片的关联性。将LR和Ref 图片当作transformer里面的query和key.
最后一个hard-attention模块和一个soft-attention没款，迁移和融合从Ref 图片得到的HR特征到LR特征。
作者还提出了纹理变换器的跨尺度特征集成模块。特征可以跨不同的尺度（例如从1×到4×）学习特征，得到更强的特征表示。

扫描二维码关注公众号，回复： 12624043 查看本文章

2.2 方法

2.2.1 Texture Transformer

包括了

• learnable texture extractor (LTE)
• relevance embedding module (RE)
• hard-attention module for fea- ture transfer (HA)
• soft-attention module for feature synthesis (SA)

Learnable Texture Extractor
作者设计了一个可学习的纹理提取器，得到了$Q,K,V$，$Q$(query)，$K$(key), $V$(value)是transformer里面注意机制的三个基础模块
Relevance Embedding
相关嵌入的目的是通过估计Q和K之间的相似性来嵌入LR和Ref图像之间的相关性，将$Q$和$K$张开成K patch，记成$q_i(i\in [1,H_{LR}\times W_{LR}]),k_j$，对于每个patch计算相关性
$$r_{i,j}=<\frac{q_i}{||q_i||},\frac{k_j}{||k_j||}>$$
Hard-Attention
使用一个hard-attention模块从Ref image迁移HR纹理特征V。传统的注意机制对每个查询$q_i$取一个$V$的加权和。但是这种会产生模糊的效果。
计算一个hard-attention map H，对于$h_i(i\in [1,H_{LR}\times W_{LR}])$，$$h_i=argmi{n}_j{r}_{i,j}$$
$h_i$表示Ref图片里面和LR图片里面第i个patch最相关的部分。为了从Ref image里面获取迁移到的HR纹理特征T，使用硬注意图作为索引，对V的展开面片进行索引选择操作 $t_i=v_{h_i}$,$t_i$表示$T$在第$i$个位置到值。从$V$的第$h_i$个位置选择。
Soft-Attention
使用soft-attention合成迁移的HR纹理特征 $T$和从LR图片提取的特征$F$。在合成过程中在合成过程中，应加强相关的纹理转移，而应保留不太相关的纹理转移。soft-attention map $S$是从$r_{i,j}$计算得到的，表示transferred texure features的自信度$$s_i=ma{x}_j{r}_{i,j}$$
$s_i$表示soft-attenton map的第$i$个位置的值。先将$F$h和$T$融合提取更多的特征，再让融合特征和$S$ element-wisely相乘并加到$F$上面。得到最终的输出。$$F_{out}=F+Conv(Concat(F,T))\odot S$$

2.2.2 Cross-Scale Feature Integration

作者设计了一个cross-scale feature integration module(CSFI)去交换不同scale的特征，应用于每次要上采样到下个scale。通过接受上采样或者下采样得到的特征，然后再channel维度加一个concat操作，然后卷积层将特征映射到原始通道数。

2.2.3 Loss Function

$$L_{overall}={\lambda }_{rec}{L}_{rec}+{\lambda }_{adv}{L}_{adv}+{\lambda }_{per}{L}_{per}$$

• Reconstruction loss
  $$L_{rec}=\frac{1}{CHW}||I^{HR}-I^{SR}|{|}_1$$
  在作者的实验中，$L_1$收敛比$L_2$快
• Adversarial loss
• Perceptual loss
  $$L_{per}=\frac{1}{C_i{H}_i{W}_i}||{\varphi }_i^{vgg}(I^{SR})-{\varphi }_i^{vgg}(I^{HR})|{|}_2^2+\frac{1}{C_i{H}_i{W}_i}||{\varphi }_j^{lte}(I^{SR})-T|{|}_2^2$$
  第一项是传统的计算方法。第二项是transferalperceptual loss。${\varphi }_j^{lte}(\cdot )$表示LTE第$j$层的特征，$T$是迁移的HR纹理特征。这项约束预测的嘲讽图片和迁移纹理特征有相似的特征。