. 介绍 论文的出发点是要发掘patch上的自相关分布，通过生成器G生成LR downsample后的版本和LR自己相应的patch在分布上更相似 通过D网络判别学到 ，从而学习出LR的降质过程，和ZSSR一样，这个工作也是在单图上进行训练和测试，不同的是，这里像ZSSR一样使用bicubic作为默认降质，而是利用GAN利用自身分布去学习自己降质的过程。其中G网络用来学习降采样，当G网络被训练好 ...
2020-08-02 09:59 0 714 推荐指数：
背景与思路来源 目前 SR 模型中合成 LR 使用的模糊核问题 目前大多数 SR 的 model 都是用的合成下采样图片来进行训练的，而这些合成的图片常常使用的是 MATLAB 里面的 imresize 函数来进行实现的，这样的做法也就是会使得 SR-kernel 是固定和理想。当然还有很多是 ...
在现实情况下，SR模型通常会由于实际得blur kernel与预先假设的不一致而造成严重的performance drop。blind SR问题就是要尝试解决blur kernel未知情况下的SR问题。本文就针对blind SR提出，预测每张照片blur kernel的方法，再将blur ...
项目地址：http://www.wisdom.weizmann.ac.il/~vision/zssr/ 之前利用深度学习构建的SR模型都是有监督学习，利用了大量的外部信息。但是由于这些LR-HR ...
摘要 问题描述 何恺明将深度学习技术引入超分辨问题的开山之作SRCNN(2014年），主要存在以下几个问题： 1、感受野小，使得获取的语义信息少 ...
1. 摘要 在图像超分辨领域，卷积神经网络的深度非常重要，但过深的网络却难以训练。低分辨率的输入以及特征包含丰富的低频信息，但却在通道间被平等对待，因此阻碍了网络的表示能力。 为了 ...
的，因此称为是“伪（pseudo）”的。用这样生成的伪数据对训练SR网络。 目前用GAN来进行不成对SR ...
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 ...
使用深度学习的超分辨率介绍 关于使用深度学习进行超分辨率的各种组件，损失函数和度量的详细讨论。 介绍 超分辨率是从给定的低分辨率（LR）图像恢复高分辨率（HR）图像的过程。由于较小的空间 ...
