视频超分辨率论文笔记

持续更新

Video Super-Resolution via Deep Draft-Ensemble Learning

• 论文链接：http://openaccess.thecvf.com/content_iccv_2015/papers/Liao_Video_Super-Resolution_via_ICCV_2015_paper.pdf
• 代码：http://www.cse.cuhk.edu.hk/leojia/projects/DeepSR/
• ICCV, 2015
• 网络结构：
  

1. 两步骤：第一步前项重建：通过TV-l1（20个$\alpha$）和MDP（motion detail preserving）两种光流法生成HR候选级Z，这些候选通道堆叠，最后一个通道是reference LR帧经过bicubic得到的bicubic input；第二步采用CNN融合所有候选HR得到重建的HR图像帧；
2. 预上采样，上采样方法为bicubic；
3. 如果视频帧是RGB多通道的，每个通道都单独训练和测试；
4. loss：$L=l_{1}loss+\lambda TVloss$；

• 贡献点：

1. 采用CNN整合HR candidates

Deep SR-ITM: Joint Learning of Super-Resolution and Inverse Tone-Mapping for 4K UHD HDR Applications

• 论文连接：https://arxiv.org/ftp/arxiv/papers/1904/1904.11176.pdf
• 代码：https://github.com/sooyekim/Deep-SR-ITM （matlab）
• CVPR 2019 oral
• 网络结构：
  

1. 初始图像分解为base layer$I_b$和detail layer I d I_d I