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。 ...
原文：GLEAN: Generative Latent Bank for Large-Factor Image Super-Resolution【阅读笔记】
CVPR 有被后面的视觉效果惊艳到。 现在利用GAN的SR方法主要可以分为两类： . 利用adversarial loss。 这种情况下generator要同时捕捉自然图像的特点，又要保留gt的特征。这就限制了generator估计真实图像流型的能力，导致结果出现artifacts和不自然的纹理。 . GAN inversion。这种方法比较典型的就是PULSE。利用一个预训练的GAN，对其生成过 ...
2021-03-22 16:55 0 588 推荐指数：
相关推荐
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 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 ...
"ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks" 笔记
1. 论文简介 ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks为ECCV 2018 workshop文章，该方法在PIRM2018-SR比赛（PIRM2018-SR Challenge）中取得第一名，本论文提出 ...
Image Super-Resolution Using Very Deep Residual Channel Attention Networks【RCAN】【阅读笔记】
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ED ...
深度学习超分辨率综述阅读笔记【Deep Learning for Image Super-resolution: A survey】
超分辨率问题（Image super-resolution, SR) 从低分辨率(LR)的图像中 ...
Unpaired Image Super-Resolution using Pseudo-Supervision【阅读笔记】
目前的SR任务都是将真实图像进行下采样得到成对数据集进行训练，这样的训练会造成与真实情况存在domain gap。因此本文针对这个问题提出了用不成对的数据进行一种伪监督训练。感觉本质上就是通过Cy ...
Blind Super-Resolution With Iterative Kernel Correction【IKC】【阅读笔记】
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 ...
论文阅读笔记六十六:Wide Activation for Efficient and Accurate Image Super-Resolution(CVPR2018)
论文原址:https://arxiv.org/abs/1808.08718 代码:https://github.com/JiahuiYu/wdsr_ntire2018 摘要 ...