- 真实图像的降级过程很复杂,
- 评价指标
- 超分辨网络的结构分类
预上采样的优点是无须考虑输入和输出的尺寸不匹配问题。缺点是会产生虚假问题,干扰网络学习。所有的计算都在高维空间中进行,增加了运算负担
- 后上采样
在低维空间中提取特征,降低计算复杂度。但是上采样倍数较大时,过多的信息缺失导致单个上采样层无法工作。学习难度快速升高,此外,要为每一种放大倍数重新训练一次模型。很不方便
- 兼容不同放大倍数,这种多阶段的学习网络可以结合特定的方法进一步降低学习的难度,但是由于架构的复杂性,还是有一定难度。
- 效果好,但是复杂,需要进一步探索。