Suan2014的博客

TextSR: Content-Aware Text Super-Resolution Guided by Recognition论文链接：https://arxiv.org/abs/1909.07113代码：https://github.com/xieenze/TextSR网络结构：SRGAN网络的基础上加文字识别网络，文字识别网络采用的是ASTER；损失函数：1）SR采用的是VGG的感知损失以及对抗损失；2）文字感知损失如下：上图中蓝线是训练过程，红线是推理过程；训练：3种训练方

RealSRNTIRE2020真实超分双赛道冠军；两阶段：1）自监督数据生成；2）监督SR超分；作者提出一种新的数据制作方案：统计模糊核与真实噪声分布并用于制作训练数据对；可以使得LR与真实世界图像处于同域，进而将提升图像超分的性能；作者提出一种真实世界超分模型以获得更好的感知效果真实世界超分的关键问题在于如何引入精确的降质模型以确保生成的LR图像与原始图像具有同域属性(比如噪声分布、模糊等)在实际场景，HR图像、模糊核和噪声均未知的。为更精确的估计降质模型，我们需要从图像中估计模糊核与噪声。

论文链接：https://arxiv.org/abs/2007.11803代码：未公开ECCV2020前言当前VSR算法所存在的问题：1）通常采用光流来建立时间相关性，但是光流估计易有误，从而影响重建结果；2）VSR算法极少采用自然图像中本就存在的相似模式。之前的VSR算法对对齐和回归两个阶段单独建模，本文将VSR看作帧内和帧间集成任务。本文所依据的现象：连续帧具有相似内容；同一帧内不同位置具有相似内容。帧间相关性：为了验证作者的想法，实验设置：在MPI-Sintel Flow数据集上，用一.

Real-World Super-Resolution via Kernel Estimation and Noise Injection论文链接：http://openaccess.thecvf.com/content_CVPRW_2020/papers/w31/Ji_RealWorld_SuperResolution_via_Kernel_Estimation_and_Noise_Injection_CVPRW_2020_paper.pdf代码：RealSRCVPR2020， NTIRE2020

持续更新Deep SR-ITM: Joint Learning of Super-Resolution and Inverse Tone-Mapping for 4K UHD HDR Applications论文连接：https://arxiv.org/ftp/arxiv/papers/1904/1904.11176.pdf代码：https://github.com/sooyekim/Deep-SR-ITM （matlab）CVPR 2019 oral网络结构：初始图像分解为base l