. 摘要 CNN 中的特征包含着不同类型的信息，它们对图像重建的贡献也不一样。然而，现在的大多数 CNN 模型却缺少对不同信息的辨别能力，因此也就限制了模型的表示容量。 另一方面，随着网络的加深，来自前面层的长期信息很容易在后面的层被削弱甚至消失，这显然不利于图像的超分辨。 作者提出了一个通道和空间特征调制 CSFM 网络，其中一系列特征调制记忆 FMM 模块级联在一起来将低分辨率特征转化为高信 ...
2019-05-14 10:00 1 663 推荐指数：
Recovering Realistic Texture in Image Super-resolution by Deep Spatial Feature Transform Recovering Realistic Texture in 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 ...
Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network 2016.10.23 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 ...
首先看一下这篇文章的摘要 尽管利用CNN做图像超分辨在速度和精度上都有了突破，然后关键的问题在于做高倍超分辨的时候恢复精细的纹理很有挑战。当前的工作基本利用MSE做损失函数，但是产生的结果经常缺 ...
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。 ...
Residual Dense Network for Image Super-Resolution Residual Dense Network for Image Super-Resolution Residual dense block & network ...
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 ...
1. 摘要 相比传统方法，受益于端到端训练，基于学习的图像超分方法取得了越来越好的性能(无论是性能还是计算效率)。然而，不同于基于建模的方法可以在统一的MAP框架下处理不同尺度、模糊核以及噪声水 ...
