. 摘要 CNN 中的特征包含着不同類型的信息，它們對圖像重建的貢獻也不一樣。然而，現在的大多數 CNN 模型卻缺少對不同信息的辨別能力，因此也就限制了模型的表示容量。 另一方面，隨着網絡的加深，來自前面層的長期信息很容易在后面的層被削弱甚至消失，這顯然不利於圖像的超分辨。 作者提出了一個通道和空間特征調制 CSFM 網絡，其中一系列特征調制記憶 FMM 模塊級聯在一起來將低分辨率特征轉化為高信 ...
2019-05-14 10:00 1 663 推薦指數：
Recovering Realistic Texture in Image Super-resolution by Deep Spatial Feature Transform Recovering Realistic Texture in Image Super-resolution ...
概要 近年來，深度卷積神經網絡（CNNs）在單一圖像超分辨率（SISR）中進行了廣泛的探索，並獲得了卓越的性能。但是，大多數現有的基於CNN的SISR方法主要聚焦於更寬或更深的體系結構設計 ...
Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network 2016.10.23 摘要：本文針對傳統超分辨方法中存在的結果過於平滑的問題，提出了結合最新的對抗網絡 ...
首先看一下這篇文章的摘要 盡管利用CNN做圖像超分辨在速度和精度上都有了突破，然后關鍵的問題在於做高倍超分辨的時候恢復精細的紋理很有挑戰。當前的工作基本利用MSE做損失函數，但是產生的結果經常缺 ...
CVPR20的文章，感覺想法挺棒的。 超分問題可以定義為$y=(x\otimes k)\downarrow_s+n$.他通常有兩大類解決方法，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 超分是一個在 low level CV 領域中經典的病態問題，比如增強圖像視覺質量、改善其他 high level 視覺任務的表現。Zhang Kai 老師這篇文章在我看到 ...
1. 摘要 相比傳統方法，受益於端到端訓練，基於學習的圖像超分方法取得了越來越好的性能(無論是性能還是計算效率)。然而，不同於基於建模的方法可以在統一的MAP框架下處理不同尺度、模糊核以及噪聲水 ...
