本文介绍了SRResNet和SRGAN，两种基于深度学习的图像超分辨率方法。SRResNet利用残差网络提升了4倍放大因子下的超分辨率效果，而SRGAN则进一步结合了生成对抗网络，提出感知损失函数，生成更接近真实纹理细节的图像。通过对抗性训练，SRGAN在保持高PSNR的同时，显著提高了图像的感知质量，尤其是在BSD100上的MOS测试中表现突出。
第一次来请先看这篇文章：【超分辨率（Super-Resolution）】关于【超分辨率重建】专栏的相关说明，包含专栏简介、专栏亮点、适配人群、相关说明、阅读顺序、超分理解、实现流程、研究方向、论文代码数据集汇总等）
文章目录
前言
论文题目：Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network —— 基于深度递归残差网络的图像超分辨率
论文地址：Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network
代码地址：https://github.com/leftthomas/SRGAN
用生成
订阅专栏 解锁全文
扫一扫
6513
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
