#693
summarized by : So Uchida
Learning the Non-Differentiable Optimization for Blind Super-Resolution

どんな論文か?

Blind Super-Resolutionはカーネル推定と画像復元の2ステップに分けられるが、本論文ではカーネル推定部分に強化学習を導入する。強化学習の学習は、カーネル推定器をActor、推定したカーネルと低解像度画像からQ値を計算するCritic、事前学習モデルによって画像を拡大し画質評価値を報酬として返すEnvironmentによって構成される。
placeholder

新規性

微分不可能なnon-reference(NR) metricsを学習に組み込むため、強化学習の枠組みを導入した点。

結果

ネットワーク構造について、AdaINを改良したAMLayerで構成されたAMNetが従来手法に比べ軽量かつ高性能を達成。カーネル推定器を強化学習によって訓練したAMNet-RLは、特にNR metricsのNIQEで高性能を示しており、微分不可能な指標を学習に組み込む有用性を示した。

その他(なぜ通ったか?等)

Introductionの流れがとても非常にスムーズで、分野の流れをしっかりサーベイできている印象