ECCV2020 元学习SR Fast Adaptation to Super-Resolution Networks via Meta-Learning

文章地址：https://www.ecva.net/papers/eccv_2020/papers_ECCV/papers/123720749.pdf

项目地址（待开源）：https://github.com/parkseobin/MLSR

摘要：

传统的超分辨率方法在大的训练数据集上进行训练，这种方法无法探索测试图像的内部信息。但是自监督学习的方式（这里应该就是零样本学习）需要消耗较多的时间。我们的方法在训练阶段，通过元学习的方式训练网络，在测试阶段这个元学习的网络快速的微调。

1、Introduction:

大多数方法在测试阶段直接使用训练好的参数，而没有根据测试集来进行相应的调整。

为了利用所给LR的信息，本文将固定的模型与动态参数适应方案相结合。

我们的方法与ZSSR最接近。但是ZSSR存在的缺点：

ZSSR缺点：1、需要较多的执行时间。2、无法利用之前在大训练集上训练所得到的模型

元学习可以成为解决上述问题的突破点。

元学习可以在测试的时候快速且有效的从一小个测试集中学习。元学习有很多种方法来实现࿰