CVPR2021 Unsupervised Degradation Representation Learning for Blind Super-Resolution

文章地址：https://arxiv.org/pdf/2104.00416.pdf

项目地址：https://github.com/LongguangWang/DASR

Abstract

之前的盲超分方法依赖于退化的估计，然而退化估计的方法通常是耗时的，而且如果有估计误差也会影响SR效果。

本文提出了无监督的退化表示学习，不需要进行显式的退化估计。

主要贡献：1、我们学习抽象的表示在表示空间来区别不同的退化。2、引入了退化感知网络来灵活的适应不同的退化。

1. Introduction

现有的方法都是基于一种假设，那就是退化核是已知的且固定的（例如bicubic）,但是当真正的退化方式与其不一致，模型性能就会有大幅度的下降。

为了SR真实场景下的图像，需要进行退化估计来为非盲的SR方法提供模糊核的估计。然而这些非盲的方法对退化的估计十分敏感，估计的误差会被放大，从而产生明显的伪像。

与以往从LR图像中明确估计退化的方法不同，我们研究了一种不同的方法，通过学习退化表示来区分潜在的退化。

<