APISR: Anime Production Inspired Real-World Anime Super-Resolution

虽然现实世界中的动漫超分辨率（SR）在SR社区中越来越受到关注，但现有方法仍然采用来自照片逼真领域的技术。本文分析了动漫制作工作流程，并重新思考如何利用其特点来实现真实世界的动漫SR。首先，我们认为由于手绘帧的重复使用，视频网络和数据集对于动漫SR并不必要。相反，我们提出了一种动漫图像收集流程，通过从视频源中选择最少压缩和最具信息量的帧来实现。基于这个流程，我们介绍了Anime Production-oriented Image (API)数据集。此外，我们确定了两个动漫特有的挑战：扭曲和模糊的手绘线条以及不需要的色彩伪影。我们通过在图像退化模型中引入预测导向的压缩模块和增强手绘线条的伪地面真实准备来解决第一个问题。此外，我们引入了平衡的双感知损失，结合动漫和逼真的高级特征，以减轻不需要的色彩伪影并增加视觉清晰度。我们通过对公共基准测试的广泛实验评估了我们的方法，结果表明我们的方法优于现有的基于动漫数据集训练的方法。

论文旨在解决动漫超分辨率中存在的问题，即现有方法仍然采用来自逼真领域的技术，而不是利用动漫制作流程的特点。

论文提出了一个动漫图像收集流水线，通过选择视频源中最少压缩和最具信息量的帧，来进行动漫超分辨率。此外，论文还提出了一种预测导向的压缩模块来解决手绘线条失真和淡化的问题，并引入平衡的双感知损失来减少不必要的色彩伪影并提高视觉清晰度。

论文通过提出动漫图像收集流水线和API数据集，成功地解决了现有方法中存在的问题。实验结果表明，该方法优于现有的动漫数据集训练方法。

在动漫超分辨率领域的相关研究包括：'Real-Time Anime Style Transfer Using Neural Networks'、'Deep Exemplar-based Video Colorization'、'Deep Video Super-Resolution Network Using Dynamic Upsampling Filters Without Explicit Motion Compensation'等。