图像超分辨率:Deep learning techniques for blind image super-resolution: A high-scale multi-domain perspect

论文作者：Valdivino Alexandre de Santiago Júnior

作者单位：Instituto Nacional de Pesquisas Espaciais (INPE)

论文链接：http://arxiv.org/abs/2306.09426v1

项目链接：https://www.kaggle.com/datasets/valdivinosantiago/dl-blindsr-datasets https://github.com/vsantjr/DL_BlindSR

内容简介：

1）方向：图像超分辨率

2）应用：盲图像超分辨率

3）背景：近年来，深度学习技术推动了图像超分辨率的研究，但是现有的解决方案和实验通常只考虑2x或4x的高清晰度，数据集也缺乏足够的领域多样性。盲图像超分辨率是一种吸引人的技术，因为它基于降级过程未知的想法，因此在这种情况下，技术基本上依赖于低分辨率图像。

4）方法：本文提出了一个高比例（8x）的控制实验，评估了五种最近针对盲图像超分辨率的深度学习技术：自适应伪增强（APA）、具有空间变异退化的盲图像超分辨率（BlindSR）、深度交替网络（DAN）、FastGAN和专家混合超分辨率（MoESR）。作者考虑了来自五个不同领域的14个小数据集，包括航空、动物、植物、医学和卫星。选择了两个无参考指标，分别是经典的自然图像质量评估器（NIQE）和最近的基于transformer的多维注意力网络无参考图像质量评估（MANIQA）分数，以评估这些技术。

5）结果：整体而言，MoESR被认为是最好的解决方案，但所有技术创建的高分辨率（HR）图像的感知质量仍有待改进。支持代码可在GitHub上找到，数据集可在Kaggle上获取。代码链接：https://github.com/vsantjr/DL_BlindSR；数据集链接：https://www.kaggle.com/datasets/valdivinosantiago/dl-blindsr-datasets。