论文阅读：Deep Bilateral Learning for Real-Time Image Enhancement-google-hdrnet-slicing

项目地址:https://gitcode.com/google/hdrnet

hdrnet作为超分领域的经典文章，由google提出主要用来用轻量化的方法来实现高分辨率的图像生成，hdrnet结合cnn可以让更高分辨率的图像部署在板端。

如图所示，原始图像比如4k图像，首先分为两个主要模块：grid和guide。

grid就是对应图上面的那一条特征提取网络，具体来说，原始图像经过下采样之后，默认256分辨率送入一个特征提取模块，这里考虑到了全局和局部特征提取，后面作者也专门对这个做出了实验，如果不加入全局特征提取模块的话，最后生成的结果会出现明显的影块。经过这样的全局加局部的特征提取之后，最后卷积成96通道(默认)。然后会view成（1,12,8,16,16）。这个比较好理解吧不多说了。

其次就是guide，这种思想不得不提到何凯明大神的引导滤波，思想都是相似的，这里的guide用的具体的方法可以查看源码，不管是guide还是gride其实都可以根据需求和实验选择。

主要说一下生成了grid和guide之后的处理方案-slicing。

关于slicing是相对比较复杂的，这里直接贴手写的图片。 

这里完成slicing之后还有一个apply操作最后就直接输出了。