Wavelet-SRNet: 基于小波的CNN用于多尺度人脸超级分辨率（摘要）

1. 引言 

存在问题：

① 当处理非常低分辨率（LR）的图像时，这些基于CNN的方法的性能会大大降低。同时，这些方法往往会产生过度平滑的输出，并错过一些纹理细节。

解决：提出了一种基于小波的CNN方法，可以在一个统一的框架内将16×16或更小像素的极低分辨率的人脸图像超解为多个缩放系数（2×、4×、8×甚至16×）的较大版本。

② 为了捕捉人脸的全局拓扑信息和局部纹理细节，

解决：提出了一个灵活和可扩展的卷积神经网络，该网络有三种类型的损失：小波预测损失、纹理损失和全图像损失。

与直接推断HR图像的传统CNN方法不同，本文方法首先学习预测LR的对应系列HR的小波系数，然后再从中重建HR图像。