任意模糊核的深度即插即用超分辨率（Deep Plug-and-Play Super-Resolution for Arbitrary Blur Kernels）

Deep Plug-and-Play Super-Resolution for Arbitrary Blur Kernels
Kai Zhang 1,2 , Wangmeng Zuo 1,3,∗ , Lei Zhang

本文在基于深度神经网络的基础上，提出了一个比双三次退化模型更实际的退化模型，采用了即插即用的方法去对任意模糊内核的LR图像进行LR估计，
更简单的 simple super-resolver prior而不是高斯先验，是即插即用SISR的一个应用。
摘要：

1、为什么提出：
基于单图像超分辨率的深度神经网络主要为双三次降解而设计，单是对于任意模糊内核的低分辨率的超分辨率重建是一个挑战。
2、plug-and-play图像重建由于易插入降噪器先验的模块结构具有较高的灵活性。
通过可变分裂技术推出出一种即插即用的算法，来优化新的降解诱导能量函数。
它允许我们插入任何超重建先验，而不是作为模块的去噪先验。
3：本文方法：在基于SISR的双三次降解的基础上融合即插即用的模型去处理任意模糊核的低分辨率重建。

新的SISR退化模型，优点：利用现有的盲去模糊模型去进行模糊核估计。
结论：
本文设计了一个有利于盲模糊方法去进行和估计的退化模型，并采用半二次分裂算法来求解能量函数，重拾使用了即插即用的优点。
结果表明特设的模块去处理模糊图像能够处理任意的模糊核。
优点3：It also turns out that we can plug super-resolver prior rather than
denoiser prior into the plug-and-play framework

表和图：
1、图1和表1：三种模糊核
（1