目录
1.简介
解决:图像连续表示, 实现任意分辨率(x30)
贡献:局部隐式图像函数(LIIF)
输入:图像坐标和坐标周围的 2D 深度特征
输出:给定连续坐标RGB->任意分辨率
训练:训练编码器,表示LIIF,超分自监督任务
端到端,不用调整groundtruth
数据集:NTIRE 2017 Challenge: DIV2K, 1000 2K
测试集:Set5, Set14, B100, Urban100
函数参数由深度网络学习
编码器预测不同对象潜在编码,所有对象共享解码函数,同时输入坐标
不同于上采样
2.局部隐式图像函数LIIF
特征展开
局部组合
Cell coding
Cell decoding
3.学习连续图像表示
联合训练
4.实验
输入:48*48
Batchsize:1~4
编码:EDSR-baseline,RDN
fθ:5层MLP,ReLU激活,隐藏层维度256.
L1 损失
4.1 定量结果
4.2 定性结果
x30
x20
4.3 消融研究
Cell uncoding
仅使⽤×k训练
使用不同大小groundtruth学习