CVPR2017: SRResNet(SRGAN): Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network
（perceptual loss) 和对抗损失(adversarial loss). 网络结构： 其 ...
原文：论文阅读之：Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network
Photo Realistic Single Image Super Resolution Using a Generative AdversarialNetwork . . 摘要：本文针对传统超分辨方法中存在的结果过于平滑的问题，提出了结合最新的对抗网络的方法，得到了不错的效果。并且针对此网络结构，构建了自己的感知损失函数。先上一张图，展示下强大的结果： Contributions： GANs ...
2016-10-23 12:29 0 5365 推荐指数：
相关推荐
StackGAN: Text to Photo-realistic Image Synthesis with Stacked Generative Adversarial Networks 论文笔记
StackGAN: Text to Photo-realistic Image Synthesis with Stacked Generative Adversarial Networks 本文将利用 GANs 进行高质量图像生成，分为两个阶段进行，coarse ...
【论文阅读】Second-order Attention Network for Single Image Super-Resolution
概要 近年来，深度卷积神经网络（CNNs）在单一图像超分辨率（SISR）中进行了广泛的探索，并获得了卓越的性能。但是，大多数现有的基于CNN的SISR方法主要聚焦于更宽或更深的体系结构设计 ...
论文翻译：2019_Speech Super Resolution Generative Adversarial Network
博客作者：凌逆战 论文地址：基于GAN的音频超分辨率 博客地址：https://www.cnblogs.com/LXP-Never/p/10874993.html 论文作者：Sefik Emre Eskimez , Kazuhito Koishida 摘要 语音超分辨率(SSR ...
论文阅读| EDSR：Enhanced Deep Residual Networks for Single Image Super-Resolution
github：https://github.com/LimBee/NTIRE2017 摘要 本文主要是用了残差学习，这篇论文也就使用了残差结构超分网络使得效果大大超越SOTA 移除传统残差网络中不必要的模块 。多尺度的超分(MDSR)和训练方法。 也是NTIRE2017超分挑战的冠军 ...
Deep Unfolding Network for Image Super-Resolution【USRNet】【阅读笔记】
CVPR20的文章，感觉想法挺棒的。 超分问题可以定义为$y=(x\otimes k)\downarrow_s+n$.他通常有两大类解决方法，早期通常是使用model-based方法。 ...
Deep Unfolding Network for Image Super-Resolution (USRNet) 论文解读
Introduction 超分是一个在 low level CV 领域中经典的病态问题，比如增强图像视觉质量、改善其他 high level 视觉任务的表现。Zhang Kai 老师这篇文章在我看到 ...
论文阅读笔记六十五:Enhanced Deep Residual Networks for Single Image Super-Resolution(CVPR2017)
论文原址:https://arxiv.org/abs/1707.02921 代码: https://github.com/LimBee/NTIRE2017 摘要 以DNN进行超分辨的研究比较流行,其中，残差学习较大的提高了性能。本文提出了增强的深度超分辨网络（EDST ...