CVPR2021 ClassSR: A General Framework to Accelerate Super-Resolution Networks by Data Characteristic

ClassSR: A General Framework to Accelerate Super-Resolution Networks by Data Characteristic

文章链接：https://arxiv.org/pdf/2103.04039.pdf

项目地址：https://github.com/Xiangtaokong/ClassSR

1、abstract、introduction、related work

不同的图像区域有不同的恢复难度。本文将图像进行分解，并采用相对应的网络来处理不同的子图像。

首先采用分类模型根据重建的难度将子图像进行分类，然后采用相对应的SR模块来进行SR。其中SR模块中是需要被加速的网络及其简化版。

本文致力于在大尺度图像的加速上。本文的创新在于分类网络和训练策略。本文主要的两个损失，calss-loss和average-loss。

现有的轻量化网络专注于设计轻量化的网络结构。相反，我们的ClassSR是一个通用框架，可以加速大多数现有的SR方法，即使是从小型网络到大型网络

3、method

3.1 observation

这里作者介绍了产生本文ideal的原因。在DIV2K验证集上获取32*32的子图像，然后将这些子图像用[20]的方法进行SR,并计算PSNR值。然