[发明专利]图像缩放

说明书

根据本公开的实现，提出了用于图像缩放的方案。根据该方案，具有第一分辨率的输入图像被获取。利用经训练的可逆神经网络，基于该输入图像来生成具有第二分辨率的输出图像和服从预定分布的高频信息，其中第一分辨率高于第二分辨率，并且输入图像和输出图像具有相同语义。此外，具有第二分辨率的另一输入图像被获取。利用该可逆神经网络的逆网络，基于另一输入图像和服从预定分布的高频信息来生成具有第一分辨率的另一输出图像，其中另一输入图像和另一输出图像具有相同语义。该方案能够将原始图像缩小为语义相同且视觉愉悦的低分辨率图像，并且能够从低分辨率图像重建出高质量的高分辨率图像。

背景技术

图像缩放是处理数字图像时最常见的操作之一。一方面，随着互联网上大量高分辨率图像/视频的使用，图像缩小对于存储、传输和共享此类大尺寸数据是必不可少的，因为缩小的图像在保持相同语义信息的同时能够显著地节省存储空间并且高效地提高带宽利用率。另一方面，许多这样的图像缩小场景不可避免地对逆任务(也即，将缩小的图像放大到其原始大小)提出了很高的要求。

传统的图像缩小(也即，将高分辨率图像缩小成低分辨率图像)方案往往会导致高分辨率图像中高频信息的丢失。由于高频信息的缺失，传统的图像放大(也即，将低分辨率图像放大成高分辨率图像)方案往往无法从低分辨率图像中重建出高质量的高分辨率图像。

发明内容

根据本公开的实现，提出了用于图像缩放的方案。根据该方案，具有第一分辨率的输入图像被获取。利用经训练的可逆神经网络，基于该输入图像来生成具有第二分辨率的输出图像和服从预定分布的高频信息，其中第一分辨率高于第二分辨率，并且输入图像和输出图像具有相同语义。此外，具有第二分辨率的另一输入图像被获取。利用该可逆神经网络的逆网络，基于另一输入图像和服从预定分布的高频信息来生成具有第一分辨率的另一输出图像，其中另一输入图像和另一输出图像具有相同语义。该方案能够将原始图像缩小为语义相同且视觉愉悦的低分辨率图像，并且能够从低分辨率图像重建出高质量的高分辨率图像。

提供发明内容部分是为了简化的形式来介绍对概念的选择，其在下文的具体实施方式中将被进一步描述。发明内容部分无意标识要求保护的主题的关键特征或主要特征，也无意限制要求保护的主题的范围。

附图说明

图1A示出了能够实施本公开的多个实现的计算设备的示意性框图；

图1B示出了根据本公开的实现的图像缩放模块的工作原理的示意图；

图2A示出了根据本公开的实现的可逆神经网络的示意性框图；

图2B示出了根据本公开的实现的示例可逆神经网络单元的示意图；

图3A示出了根据本公开的实现的可逆神经网络的逆网络的示意性框图；

图3B示出了根据本公开的实现的示例可逆神经网络单元的示意图；

图4示出了根据本公开的实现的用于图像缩放的示例方法的流程图；

图5示出了根据本公开的实现的用于图像缩放的示例方法的流程图；以及

图6示出了能够实施本公开的实现的示例系统的框图。

这些附图中，相同或相似参考符号用于表示相同或相似元素。

具体实施方式

现在将参照若干示例实现来论述本公开。应当理解，论述了这些实现仅是为了使得本领域普通技术人员能够更好地理解且因此实现本公开，而不是暗示对本公开的范围的任何限制。

如本文所使用的，术语“包括”及其变体要被解读为意味着“包括但不限于”的开放式术语。术语“基于”要被解读为“至少部分地基于”。术语“一个实现”和“一种实现”要被解读为“至少一个实现”。术语“另一个实现”要被解读为“至少一个其他实现”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。