深度学习超分辨率最新综述：一文道尽技术分类与效果评测

置顶我爱计算机视觉，更快获取CVML新技术

---

最近52CV介绍了好几篇图像超分辨率的工作，比如：

CVPR 2019 神奇的超分辨率算法DPSR：应对图像模糊降质

CVPR 2019 | 旷视提出超分辨率新方法Meta-SR：单一模型实现任意缩放因子

CVPR 2019 | Adobe提出新型超分辨率方法：用神经网络迁移参照图像纹理

小米开源FALSR算法：快速精确轻量级的超分辨率模型。

CV君认为图像超分辨率俨然成为了近期计算机视觉的一个热点，这个传统计算机视觉方向火起来有其技术背景——深度神经网络大大改进了图像超分辨率的效果，也有其产业背景——工业界盼望超分辨率能成为降低越来越高的图像、视频数据存储和传输成本的新方向。

几天前，arXiv新出一篇图像超分辨的最新综述文章，来自澳大利亚的Data61的三位学者调研了近年出现的超过30个基于深度学习的超分辨率算法，按照其技术特点分成了9类，对所有算法比较了计算复杂度、参数量、内存占用等，并在6个单图像超分辨率数据集上进行了精度评测，最后作者对该领域存在问题和发展方向进行了展望。

相信该文对该领域的工程开发人员和算法研究人员都会很有参考价值。