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上，而忽略了挖掘層間特征的內在相關性，從而阻礙了CNN的表示能力。為了解決這一問題，在本文中提出了一個二階注意力網絡 SAN ，用於更強大的特征表達和特征相關性學習。特別地，開發了一種新穎的可訓練的二階通道注意 ...
2019-12-15 11:22 0 408 推薦指數：
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 ...
github：https://github.com/LimBee/NTIRE2017 摘要 本文主要是用了殘差學習，這篇論文也就使用了殘差結構超分網絡使得效果大大超越SOTA 移除傳統殘差網絡中不必要的模塊 。多尺度的超分(MDSR)和訓練方法。 也是NTIRE2017超分挑戰的冠軍 ...
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。 ...
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 ...
論文原址:https://arxiv.org/abs/1707.02921 代碼: https://github.com/LimBee/NTIRE2017 摘要 以DNN進行超分辨的研究比較流行,其中，殘差學習較大的提高了性能。本文提出了增強的深度超分辨網絡（EDST ...
1. 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 ...
Learning a Single Convolutional Super-Resolution Network for Multiple Degradations 論文總結 Abstract 現存問題：現有的基於cnn的單幅圖像超分辨率(SISR)方法大多假設低分辨率(LR)圖像是從高 ...
圖像超分任務可以看作是試圖從LR圖像中恢復盡可能多的高頻信息。在SR任務中，輸入的LR圖像包含了豐富的低頻信息。但是之前的任務把不同channel都同等對待，限制了CNN的表達能力。因此文中在EDSR的基礎上結合了channel attention機制，構建了residual ...
