【图像超分】论文精读：Deep Image Prior（DIP）

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：Deep Image Prior —— 使用深度内部学习的“零镜头”超分辨率

论文地址：https://arxiv.org/abs/1711.10925

论文源码：https://github.com/DmitryUlyanov/deep-image-prior

CVPR 2018！无需训练即可实现图像超分等图像恢复任务！神奇的思想！图像生成/扩散模型思想的最早来源？

Abstract

深度卷积网络已成为图像生成和恢复的流行工具。通常，它们的性能被归因于它们从大量示例图像中学习真实图像先验的能力。在本文中，我们表明，相反，生成器网络的结构足以在任何学习之前捕获大量低级图像统计信息。为此，我们表明随机初始化的神经网络可以用作手工制作的先验，并在去噪、超分辨率和修复等标准逆问题中具有出色的结果。此外，相同的先验可用于反转深度神经表示来诊断它们