【超分辨率】Deep Back-Projection Networks For Super-Resolution

文章名称：《Deep Back-Projection Networks for Super-Resolution》
作者： Muhammad Haris, Greg Shakhnarovich and Norimichi Ukita

这篇文章是CVPR 2018年的文章，相较同时录用的《Residual Dense Network for Image Super-Resolution》，本文章的创意非常精彩，而非一味的搭积木。下面我将结合自己的理解和文章的大意阐述下对这篇文章的想法。

摘要

作者认为往期的deep super resolution networks通常是先学习一个特征，在通过network强大的non-linear mapping 将LR space 映射到 HR space。而本文认为这种操作可能对LR和HR图像之间的mutual dependencies挖掘的不是那么的有效。因此，作者构建了一个不断相互上采样及下采样阶段的网络进行误差反馈，有种类似于 迭代反投影 算法的味道，从而将效果达到了state-of-the-art.

Related work

目前为止，超分辨率网络大概有下面三种情形：

一、Predefined upsampling