【图像超分】论文精读：Fully 1 × 1 Convolutional Network for Lightweight Image Super-Resolution (SCNet)

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）

---

前言

论文题目：Fully 1 × 1 Convolutional Network for Lightweight Image Super-Resolution —— 用于轻量级图像超分辨率的全1 × 1卷积网络

论文地址：Fully 1 × 1 Convolutional Network for Lightweight Image Super-Resolution

作者提供的论文源码（Pytorch）：https://github.com/Aitical/SCNet，需要结合BasicSR工具箱使用。

---

Abstract

深度模型在单图像超分辨率 (SISR) 任务上取得了显着过程，特别是具有大内核 (3 × 3 或更多) 的大型模型。然而，此类模型的大量计算足迹阻碍了它们在实时、资源受限的环境中部署。相反，1 × 1 卷积带来了可观的计算效率，但在聚合局部空间表示方面存在困难，这是 SISR 模型的基本能力。为了应对这种二分法，我们建议协调 3