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:Learning the Degradation Distribution for Blind Image Super-Resolution —— 学习盲图像超分辨率的退化分布
论文地址:Learning the Degradation Distribution for Blind Image Super-Resolution
论文源码:https://github.com/greatlog/UnpairedSR
CVPR 2023!
Abstract
合成高分辨率 (HR) 和低分辨率 (LR) 对广泛用于现有的超分辨率 (SR) 方法。为了避免合成图像和测试图像之间的域差距,以往的大多数方法都试图通过确定性模型自适应地学习合成(退化)过程。然而,真实场景中的一些退化是随机的,不能由图像内容决定。这些确定性模型可能无法对退化的随机因素和内容无关的部分进行建模,这将限制以下 SR 模型的性能。在本文中,我们提出了一种概率退化模型