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