qq_45122568的博客

HIPA: Hierarchical Patch Transformer for Single Image Super Resolution[2022]Abstract1 Introduction2 Method3 Experiments4 ConclusionAbstract基于变压器的架构开始出现在单图像超分辨率（SISR）中，并取得了良好的性能。大多数现有的视觉变换器将图像分割成相同数量的固定大小的面片，这对于恢复纹理丰富程度不同的面片可能不是最佳选择。本文介绍了一种新的变压器结构HIPA，它使.

这篇文章网络结构ESRT（ Efficient Super-Resolution Transformer）还是蛮复杂的，是一个CNN和Transformer结合的结构。文章提出了一个高效SRTransformer结构，是一个轻量级的Transformer。作者考虑到图像超分中一张图像内相似的细节部分可以作为参考补充，（类似于基于参考图像Ref的超分），于是引入了Transformer，可以在图像中建模一种长期依赖关系。而ViT这些方法计算量太大，太占内存，于是提出了这个轻量版的Transformer结构（.

本文是一个基于transformer的预训练通用模型，针对低级视觉任务还没有人提出预训练的模型，所以作者使用了超大数据集训练出了image processing transformer (IPT)。可以微调后应用于图像重建、去噪、去雨等等。具体结构作者使用了一个多头多尾共享躯干的结构。应对不同的任务，有针对性不同的头部和尾部，分别使用不同的处理方式（三个卷积层）。中间是一个transformer编解码器结构。将头部输出的特征图像unfold成”词向量“形式和位置嵌入相加后输入encoder，encoder.

这篇文章结构比较简单，如果看过Swin-Transformer的话就没什么难点了。作者引入Swin-T结构应用于低级视觉任务，包括图像超分辨率重建、图像去噪、图像压缩伪影去除。网络由一个浅层特征提取模块、深层特征提取模块、重建模块构成。重建模块对不同的任务使用不同的结构。浅层特征提取就是一个3×3的卷积层。深层特征提取是k个RSTB块和一个卷积层构成。RSTB（Res-SwinIR: Image Restoration Using Swin Transformer[ICCV 2021]Abstract1.

这篇文章TTSR应该是第一次将transformer引入到超分任务中，且是基于参考图像的超分重建RefSR，文章发表在CVPR2020。基于参考图像的超分不同于单图像超分，更注重于图像细节的还原，通过迁移参考图像中的相似纹理来还原HR图像。基于参考图像的超分文章并不多，这种方法的局限性比较大。TTSR是基于SRNTT这篇文章进行了改进，加入注意力机制，能选择更相似的纹理来完成SR图像恢复。原文链接：TTSR：Learning Texture Transformer Network for Image S.

EDVR: Video Restoration with Enhanced Deformable Convolutional Networks一级目录二级目录三级目录一级目录二级目录三级目录

这篇文章的重点在于Robust，也就是说作者提出的方法都有利于网络的稳定和减少错误的发生。VSR任务的架构分为对齐和融合SR。在对齐部分作者提出了spatial alignment network时间对齐网络；在融合SR部分作者提出了空间自适应网络temporal adaptive neural network。原文链接：RVSR: Robust Video Super-Resolution With Learned Temporal Dynamics【2017 ICCV】RVSR: Robust ..

原文链接：TDAN: Temporally-Deformable Alignment Network for Video Super-ResolutionTDAN: Temporally-Deformable Alignment Network for Video Super-ResolutionAbstract二级目录三级目录Abstract视频超分辨率（VSR）旨在从相应的低分辨率（LR）帧（参考帧）和多个相邻帧（支持帧）恢复照片级真实感的高分辨率（HR）视频帧。由于摄像机或物体的不同运动，参考.

目录RCAN、SRLUT、ESPCN、VESPCN本文只是简单介绍这些算法和网络结构，详细内容可以在我的博客内找、

这篇文章基于ESPCN提出了针对视频重建任务的网络结构VESPCN。ESPCN在图像和视频重建任务上都相比先前的方法都有一定的提升，但ESPCN只能对单帧图像进行重建，并不能利用视频多帧图像的时间相关性信息。该模型由对齐网络和融合时空SR网络组成VESPCN：Real-Time Video Super-Resolution with Spatio-Temporal Networks and Motion CompensationAbstract1 Introduction2 Method2.1 Spat.

这篇文章的网络结构和写作手法和RDN都非常相似，然后一看作者就是同一批 😐 。这篇文章是EDSR的一个加强版，也是RDN的姊妹版

Real-Time Single Image and Video Super-Resolution Using an EfficientSub-Pixel Convolutional Neural Network一级目录二级目录三级目录Sub-Pixel Convolutional Neural Network)https://arxiv.org/pdf/1609.05158.pdf一级目录二级目录三级目录...

这篇文章是首次将查表法引入SR领域。将SR网络训练好的缩放像素值存在表中，在测试阶段只需要在表中查找对应值，就能完成图像重建任务。由于该方法不需要大量的浮点运算，因此可以非常快速地执行。原文链接：SRLUT: Practical Single-Image Super-Resolution Using Look-Up Table 【CVPR2021】参考目录：超分之SR-LUT超分之SR-LUT源码解析源码(Pytorch)SRLUT: Practical Single-Image Super-.

目录FSRCNNDRCNRDN文章：FSRCNN : Accelerating the Super-Resolution Convolutional Neural NetworkDRCN: Deeply-Recursive Convolutional Network for Image Super-ResolutionRDN: Residual Dense Network for Image Super-ResolutionFSRCNNFSRCNN : Accelerating the Supe

这篇文章总结分析了ResNet 和DenseNet的优缺点，并将其结合，提出了新的结构ResidualDenseNet。文章中对ResNet 和DenseNet以及MemNet都进行了简单的对比分析。四篇原文都放在下面。参考文档：RDN：https://arxiv.org/pdf/1802.08797v2.pdfResNet：https://arxiv.org/pdf/1512.03385.pdfDenseNet：https://arxiv.org/pdf/1608.06993.pdfMemNe.

DRCN：Deeply-Recursive Convolutional Network for Image Super-ResolutionAbstract1 Introduction2 Method2.1 Basic Method2.2 Advanced Model2.3 LOSS3 Experimental4 Conclusion这篇文章是第一次将之前已有的递归神经网络(Recursive Neural Network)结构应用在图像超分辨率上。由于梯度爆炸/消失问题，引入了递归监督和跳跃连接两个扩展

FSRCNNN:Accelerating the Super-Resolution Convolutional Neural Network一级目录二级目录三级目录介绍一级目录二级目录三级目录

EDVR: Video Restoration with Enhanced Deformable Convolutional Networks一级目录二级目录三级目录一级目录二级目录三级目录论文地址：https://arxiv.org/abs/1905.02716代码地址：https://github.com/xinntao/EDVR.文章提出了一种新的具有增强可变形卷积的视频恢复框架，称为EDVR。从两个方面挑战了现有的方法：（1）如何在给定大运动的情况下对齐多个帧；（2）如何有效地融合

阅读指引SRCNNDCSCNSRDenseNetSRGAN论文快速指引：SRCNN：Learning a Deep Convolutional Network for Image Super-ResolutionDCSCN：Fast and Accurate Image Super Resolution by Deep CNN with Skip Connection and Network in NetworkSRDenseNet：Image Super-Resolution Using Dens

最近在学习图像超分，看了一篇文章。DCSCN：Fast and Accurate Image Super Resolution by Deep CNN with Skip Connection and Network in Network文章连接：https://arxiv.org/ftp/arxiv/papers/1707/1707.05425.pdf看到一篇写的很好的文章，链接如下：论文笔记之DCSCNhttps://blog.youkuaiyun.com/MR_kdcon/article/details/