CVPR2020超分辨率重建论文阅读笔记

本文介绍了三种先进的超分辨率重建方法:PULSE、DualRegressionNetworks和MZSR。这些方法解决了传统超分辨率重建面临的挑战,如病态问题、MSE指标缺陷等。PULSE引入了无监督GAN,DualRegressionNetworks提出了对偶网络框架,而MZSR则结合了元学习和零样本超分辨率技术。
  • 为什么要进行超分辨率重建:
    1.视觉效果不吸引人
    2.影响下游方法使用,如分割等
    3.电子显示产品分辨率提高,需要更高分辨率的图像
  • 超分辨率重建问题面临难点和存在问题如下:
    1.病态问题:一对多,同样的LR图像对应无数解
    2.MSE指标可能导致结果平滑,且没有关注纹理关系信息
    3.下采样方式常为预设,不能够适配现实情况
    4.成对低高分辨率图像难以获得

一. PULSE:

  • 文章 PLUSE:Self-Supervised Photo Upsampling via Latent Space Exploration of Generative Models
  • 链接 https://link.zhihu.com/?target=https%3A//arxiv.org/abs/2003.03808
  • 代码 github.com/adamian98/pu
  • 贡献:
    1.一个新的超分辨率重建的处理范式。不同于以往对所得的多种重建HR结果平均处理获得最终结果的做法,而是令产生的HR图像能够降采样获得正确的输入LR图像。
    2.一种解决超分辨率重建任务的新方法:无监督GAN。
    3.高维高斯先验下隐空间探索的一种原始方法。
  • 方法:
    1.损失函数上的改进
    将损失函数由 ∫ M ∩ R ∣ ∣ I H R − I S R ∣ ∣ p p d P ( I H R ) \int_{M\cap R}||I_{HR}-I_{SR}||^p_pdP(I_{HR}) MRIHRISRppdP(I
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值