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:Residual Local Feature Network for Efficient Super-Resolution —— 用于高效超分辨率的剩余局部特征网络
论文地址:Residual Local Feature Network for Efficient Super-Resolution
论文代码:https://github.com/fyan111/RLFN
CVPR 2022!NTIRE2022-ESR 冠军方案!提升RFDN的效率!
Abstract
基于深度学习的方法在单图像超分辨率 (SISR) 中取得了出色的性能。然而,高效超分辨率的最新进展侧重于减少参数和 FLOP 的数量,并通过复杂的层连接策略提高特征利用率来聚合更强大的特征。这些结构可能不是实现更高运行速度所必需的,这使得它们难以部署到资源受限的设备上。在这项工作中,我们提出了一种新颖的残差局部特征网络(RLFN)。主要思