ECCV2020,按图像区域分治法SR,真实SR数据集 Component Divide-and-Conquer for Real-World Image Super-Resolution

文章：https://arxiv.org/pdf/2008.01928.pdf

代码：https://github.com/xiezw5/Component-Divide-and-Conquer-for-Real-World-Image-Super-Resolution

相关解读：https://zhuanlan.zhihu.com/p/176551918

摘要

文章提出了一个大规模且多样的真实图像SR数据集。并采用对图像中平滑、边缘、拐角三个不同的区域进行分而治之的方式进行SR。

这个我之前也考虑过，对图像中纹理丰富的地方着重进行修复，而平滑区域则不必那么用力。

1、Introduction

建立了大规模多种类的真实SR数据集；提出了一种针对图像的不同区域来进行SR的方法。

本文受到文献【19】的启发。一幅图像可以分为平滑区，边缘区和边角区。

本文的主要贡献：

1建立大规模真实的数据集

2受到角点检测的启发，将图像用分而治之的思想来进行处理。使用三个CAB模块来学习不同的mask,

3使用了梯度加权损失来探索图像中不同区域间的不平衡的学习问题。

2、Related Work

采用bicubic这种模拟的退化模型的方式限制了SR在实际应用场合的表现。