RepSR：通过结构重新参数化和批量归一化来训练高效的VGG式超分辨率网络（探究sr中的bn）

RepSR: Training Efficient VGG-style Super-Resolution Networks with Structural Re-Parameterization and Batch Normalization

（RepSR：通过结构重新参数化和批量归一化来训练高效的VGG式超分辨率网络）

作者：1.Xintao Wang， 2.Chao Dong，3.Ying Shan

单位：ARC Lab, Tencent PCG, Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences; Shanghai AI Laboratory

代码：https://github.com/TencentARC/RepSR.（暂未放出）

论文地址：https://arxiv.org/pdf/2205.05671

一、问题亮点

1.将训练的多分支架构sr网络模型直接用于测试通常会导致较差的性能表现，要如何去解决这个问题？

2.在当前的sr网络中BN通常被替换或删去，应为他通常会带来性能损失和奇怪的伪影，还有就是bn在sr领域也缺乏相关研究。

<