【图像超分】论文精读：Embedded Block Residual Network （EBRN）

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：Embedded Block Residual Network: A Recursive Restoration Model for Single-Image Super-Resolution：嵌入式块残差网络:单幅图像超分辨率的递归恢复模型

论文地址：Embedded Block Residual Network: A Recursive Restoration Model for Single-Image Super-Resolution

ICCV 2019

Abstract

单图像超分辨率从低分辨率图像中恢复丢失的结构和纹理，引起了研究界的广泛关注。该领域表现最好的包括深度或宽卷积神经网络或循环神经网络。然而，这些方法强制单个模型处理各种纹理和结构。一个典型的操作是，某一层根据前一层恢复的纹理恢复纹理，忽略图像纹理的特征。在本文中，我们认为图像中的低频和高频信息具有不同的复杂程度，应该由不同表征能力的模型恢复。受此启发，我们提出了一种新的嵌入块残差网络(EBRN)，它是纹理超分辨率的增量恢复