Cross-SRN:Structure-Preserving Super-Resolution Network with Cross Convolution

Yuqing Liu, Qi Jia, Xin Fan, Senior Member, IEEE, Shanshe Wang, Siwei Ma, Member, IEEE,

and Wen Gao, Fellow, IEEE

论文地址:[2201.01458] Cross-SRN: Structure-Preserving Super-Resolution Network with Cross Convolution (arxiv.org)

项目地址:暂无

Cross-SRN的网络结构。整体网络Cross-SRN如下图所示,包括特征提取、层次特征利用和图像恢复三个步骤。红色的多尺度特征融合组(MFFG)的细节和深蓝色的交叉卷积块(CCB)的细节分别显示在左上角和右上角。

面对的问题

将低分辨率(LR)图像恢复为具有正确和清晰细节的超分辨率(SR)图像,具有挑战性。

问题引出

现有的深度学习工作几乎忽略了图像固有的结构信息但structure对SR结果的视觉感知visual perception质量起着重要的作用。

解决思路

设计了一种层次特征利用网络

  • 1
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值