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上，而忽略了挖掘层间特征的内在相关性，从而阻碍了CNN的表示能力。为了解决这一问题，在本文中提出了一个二阶注意力网络 SAN ，用于更强大的特征表达和特征相关性学习。特别地，开发了一种新颖的可训练的二阶通道注意 ...
2019-12-15 11:22 0 408 推荐指数：
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 ...
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 ...
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。 ...
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 ...
1. 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 ...
Learning a Single Convolutional Super-Resolution Network for Multiple Degradations 论文总结 Abstract 现存问题：现有的基于cnn的单幅图像超分辨率(SISR)方法大多假设低分辨率(LR)图像是从高 ...
图像超分任务可以看作是试图从LR图像中恢复尽可能多的高频信息。在SR任务中，输入的LR图像包含了丰富的低频信息。但是之前的任务把不同channel都同等对待，限制了CNN的表达能力。因此文中在EDSR的基础上结合了channel attention机制，构建了residual ...
