【图像超分】论文精读：A Dynamic Kernel Prior Model for Unsupervised Blind Image Super-Resolution

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：A Dynamic Kernel Prior Model for Unsupervised Blind Image Super-Resolution —— 无监督盲图像超分辨率的动态核先验模型

论文地址：A Dynamic Kernel Prior Model for Unsupervised Blind Image Super-Resolution

论文源码：https://github.com/XYLGroup/DKP

CVPR 2024！

Abstract

基于深度学习的方法在解决盲超分辨率(BSR)问题上取得了显著的成功。然而，它们中的大多数要求对标记数据集进行有监督的预训练。本文提出了一种无监督核估计模型，称为动态核先验(DKP)，实现了一种基于无监督和预训练的无学习算法来解决BSR问题。DKP可以自适应地学习动态核先验来实现实时核估计，从而实现优越的HR图像恢复性能。这是通过随机核分布的马尔可夫链蒙特卡罗采样过程来实现的。然后分配学习到的核先验