基于多级神经纹理迁移的图像超分辨方法
超分辨(Super-Resolution)图像恢复旨在从低分辨模糊图像中恢复出高分辨的清晰图像,是计算机视觉中的一个重要任务,在工业界有非常强的应用前景。CVPR是图像超分辨研究的集中地之一,光今年录用的超分辨及相关研究方向的论文就不下10篇。本文解读其中一篇由Adobe研究院为一作发表的超分辨研究方向的论文。可通过 1)原文arXiv链接 2)项目主页 3)代码github仓库 获取论文相关资源。
本文目录如下:
1.全文概览
2.方法介绍
—— 2.1 特征替换
—— 2.2 纹理迁移
—— 2.3 损失函数
3.实验分析
—— 3.1 综合对比
—— 3.2 图片相似度对性能的影响
—— 3.3 级别数量对性能的影响
—— 3.4 纹理损失函数对性能的影响
4.总结
1.全文概览
经典的单图超分辨技术(SISR)的发展因为低分辨图片固有的信息丢失特点而变得极具挑战,新兴的基于参考图片的超分辨技术(RefSR)可以在参考图片的帮助下恢复出高分辨图片的更多细节,为超分辨恢复技术的研究打开了一扇新的大门。然而现有的RefSR方法要求参考图片与低分辨图片有较高的相似性,当参考图片与低分辨图片差别较大时超分辨恢复的效果会严重下降,甚至不如无参考的SISR方法。
该文旨在通过放宽对参考