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。
<