图像视频超分辨率基本概念

        视频超分是由图像超分发展而来的。基于深度学习的图像超分辨率(SISR)首次实现于2014年，推广到视频超分是在2017年，由此可见超分辨率还是一个比较新颖的课题方向。

        超分类任务主要源自对图像视频信息的传输和恢复。在实际生活中，有很多情况下需要对图像或者视频进行传输，而由于视频图像的分辨率越来越高，体积越来越大，传输成本比如网络带宽等也在不断提升。因此对图像或者视频进行下采样（压缩）之后再进行传输，到达客户端以后在对图像视频进行恢复（restore）是很有必要的(比如微信发送照片时默认发送低分辨率的)。

        图像超分辨率（Iimage Super-Resolution）：

        图像超分辨率的经典网络就是提出于2014年的SRCNN：

        该网络以一张低分辨率图像为输入，输出一张高分辨率图像，仅有三层卷积层，学习的是两张图象之间的映射关系。有的同学可能会问：如何对两张大小不一的寻求其映射关系呢？ 实际上早期的SR网络都是先对输入图像进行插值放大（传统方法，如二次插值，最近邻插值等），使得输入图像与输出图像大小维度相等，然后在寻求输入图像与输出的高清图像之间的映射关系。