weixin_41798111的博客

转自：https://zhuanlan.zhihu.com/p/25532538https://zhuanlan.zhihu.com/p/50192019超分辨率技术（Super-Resolution）是指从观测到的低分辨率图像重建出相应的高分辨率图像，在监控设备、卫星图像和医学影像等领域都有重要的应用价值。SR可分为两类:从多张低分辨率图像重建出高分辨率图像和从单张低分辨率图像...

Fast and Accurate Single Image Super-Resolution via Information Distillation NetworkCVPR2018github(caffe):https://github.com/Zheng222/IDN-Caffe网络结构以特征提取块、多个信息蒸馏块（progressively distill residual i...

paperpytorch//caffeNTIRE2018比赛中8倍的bicubic第一名，PIRM2018比赛中Region 2的第一名主要是采用了误差反馈机制，类似于在每个深度下做CycleGAN以上采样单位为例：输入低分辨率image，经过Deconv上采样得到H0，H0经过Conv得到L 大小的L0，计算输入低分辨率图像与通过Deconv-Conv生成的低分辨率图像之...

1. DBPN(Deep Back-Projection Networks For Super-Resolution, CVPR2018)这篇文章提出了一种迭代地计算上采样和下采样投影误差的错误反馈机制，对重建过程进行引导以得到更好的结果。文章提出的上采样和下采样映射单元如下图所示。以上采样单元为例。先将输入的低分辨率尺寸映射到高分辨率特征图，接着再将这个高分辨率的特征图映射回输入...

目前的超分辨率多是针对下采样的超分辨率重建，与实际退化模型不符。本文以模糊核和噪声级的LR作为输入，以退化模型为依据。提出一个具有维度拉伸的通用框架维度拉伸网络结构...

论文地址：https://arxiv.org/pdf/1612.07919.pdfEnhanceNet注重纹理细节，在文中使用四种损失函数分别是：MSE loss感知损失对抗损失以上三种损失参考SRGAN：https://blog.youkuaiyun.com/weixin_41798111/article/details/84979236Texture matching loss...

论文地址：http://vllab.ucmerced.edu/wlai24/LapSRN/papers/cvpr17_LapSRN.pdf开源代码：https://github.com/phoenix104104/LapSRN拉普拉斯来源于LAPGAN：https://arxiv.org/pdf/1506.05751.pdf    http://soumith.ch/eyescream/...

Accurate Image Super-Resolution Using Very Deep Convolutional Networkshttps://cv.snu.ac.kr/research/VDSR/VDSR_CVPR2016.pdf摘要：这是一种单张图像超分辨率（SISR）重建方法，采用极深网络结构，想法来源于在ImageNet分类中的VGG网络。提出增加网络深度可提高...

Ultra-Resolving Face Images by Discriminative Generative Networks论文地址：https://pdfs.semanticscholar.org/d6f1/42f5ddcb027e7b346eb20703abbf5cc4e883.pdf本文无公开代码（没有找到），仅供参考其思想摘要：常规的人脸超分辨率方法，也称为人脸幻想，...

摘要：本文的目的是：在单张图像的超分辨率，面向大尺度超分辨率（x4）optimization-based super-resolution method 受目标函数选择影响，目前以mms（minimizing the mean squared）为目标函数，即损失函数+结果估计peak signal-to-noise 峰值信噪比为主要模式，但是缺少高频细节本文主要用了两种损失函数：...