图像超分辨率：Closed-loop Matters: Dual Regression Networks for Single Image Super-Resolution

于 2024-03-06 16:09:25 发布
阅读量209 收藏 4
点赞数 1
分类专栏： 图像超分辨率 文章标签： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/tywwwww/article/details/136509527
版权
本文探讨了深度神经网络在单图像超分辨率中的局限性，尤其是不适定问题和缺乏成对数据的情况。作者提出了双回归网络，通过在LR数据上添加约束来缩小可能的函数空间，改善了模型的性能。文中展示了Unet网络的应用及其在约束下的优化效果。
摘要由CSDN通过智能技术生成

10.Closed-loop Matters: Dual Regression Networks for Single Image Super-Resolution（2020）

深度神经网络通过学习从低分辨率（LR）图像到高分辨率（HR）图像的非线性映射函数，在图像超分辨率（SR）方面表现出了良好的性能。然而，现有的SR方法有两个潜在的限制。

首先，学习从LR到HR图像的映射函数通常是一个不适定问题，因为存在无限的HR图像可以降采样到相同的LR图像。因此，可能的函数的空间可能非常大，这使得很难找到一个好的解决方案。

其次，成对的LR-HR数据在现实应用程序中可能不可用，而且潜在的退化方法通常是未知的。对于这种更一般的情况，现有的SR模型经常导致自适应问题，并产生较差的性能。

为了解决上述问题，我们提出了一种对偶回归方案，通过对LR数据引入一个额外的约束，以减少可能的函数的空间。
看下图，是一个Unet网络，unet不同size的阶段也建立一些约束
在这里插入图片描述

tony365
关注
专栏目录
（Closed-loop Matters: Dual Regression Networks for Single Image Super-Resolution）论文笔记
qq_40107571的博客
06-27 468
闭环问题：单图超分辨率的双回归网络论文地址：Closed-loop matters: Dual regression networks for single image super-resolution代码地址：https://github.com/guoyongcs/DRN摘要：目前大多SR方法有两个局限。首先，SR是个不适定问题，HR对应得LR图像可能有多个。因此，SR的解空间是非常大的，很难寻找一个比较好的解。其次，HR和LR图像对在现实中不存在而且退化模型是未知的。更一般的情况是，现在的大多模型存在
【图像超分】论文精读：Closed-loop Matters: Dual Regression Networks for Single Image Super-Resolution（DRN）
最新发布
畅游计算机视觉的海洋
08-08 104
论文题目：Closed-loop Matters: Dual Regression Networks for Single Image Super-Resolution —— 闭环问题:单幅图像超分辨率的双回归网络CVPR 2020！深度神经网络通过学习从低分辨率(LR)图像到高分辨率(HR)图像的非线性映射函数，在图像超分辨率(SR)方面表现出了良好的性能。然而，现有的 SR 方法有两个潜在的限制。
Closed-loop Matters: DualRegression Networks for Single Image Super-Resolution
12-20
Closed-loop Matters: DualRegression Networks for Single Image Super-Resolution
【超分辨率】Closed-loop Matters: Dual Regression Networks for Single Image Super-Resolution
weixin_43728604的博客
10-13 1241
0 前言 这是一篇CVPR2020年的文章的文章，创新点主要在于不仅让网络学习LR->HR的映射，还学习HR->LR来减小映射空间，解决不适定的问题。
Closed-loop Matters: Dual Regression Networks forSingle Image Super-Resolution
mytzs123的博客
10-21 68
闭环问题：用于单图像超分辨率的双回归网络 通过学习从低分辨率（LR）图像到高分辨率（HR）图像的非线性映射函数，深度神经网络在图像超分辨率（SR）方面表现出良好的性能。然而，现有SR方法有两个潜在的局限性。首先，学习从LR图像到HR图像的映射函数通常是一个病态问题，因为存在可以下采样到相同LR图像的无限HR图像。因此，可能函数的空间可能非常大，这使得很难找到一个好的解决方案。第二，成对的LR-HR数据在实际应用中可能不可用，并且潜在的退化方法通常是未知的。对于这样一种更一般的情况，现有的SR模型通常会产生
Closed-loop Matters: Dual Regression Networks for Single Image Super-Resolution
weixin_47988506的博客
02-11 492
wu
【论文笔记3_超分辨】（DRN）Closed-loop Matters: Dual Regression Networks for Single Image Super-Resolution
HaotianYan的博客
10-14 2535
文章目录Abstract1. Introduction 文章链接：（CVPR 2020）https://arxiv.org/abs/2003.07018 代码链接：https://github.com/guoyongcs/DRN Abstract 深度神经网络通过学习LR到HR的非线性映射，在图像超分辨（SR）方面显示出了良好的性能。然而，现有的SR方法有两个潜在的局限性。 首先，学习从LR图像到HR图像的映射函数是一个典型的病态问题，因为存在着无限多个HR图像可以被下采样到同一个LR图像，存在无数多
【CVPR20超分辨率】Closed-loop Matters: Dual Regression Networks for Single Image Super-Resolution
weixin_42054508的博客
04-01 6241
废话：个人认为是目前超分领域比较有实际意义的一项工作，很有亮点，对论文的理解还比较浅，需要多加理解及知识补充，欢迎讨论！ 论文：https://arxiv.org/pdf/2003.07018.pdf 代码：https://github.com/guoyongcs/DRN 出发点 目前学习从LR到HR的映射关系的超分网络存在两个问题（1）超分是一个“病态”问题，一张LR图像可以对应多个HR图像，因...
深度学习——Dual Regression Networks for Single Image Super-Resolution（DRN）
weixin_51352656的博客
12-09 1017
CVPR2020原论文：Closed-loop Matters: Dual Regression Networks forSingle Image Super-Resolution 1.问题 1）低分辨率图像（Low Resulotion）经过非线性映射成高分辨率图像(High Resulotion)本身是个病态问题。因为高分辨率的图像可以任意采样成低分辨率图像，所以其反向变换的非线性映射函数的解空间是非常大的。在这样大的解空间中找到合适的非线性映射函数是十分困难的。 2）真实世界无法得到成对的低分辨图像（
论文笔记：Closed-loop Matters: Dual Regression Networks for Single Image Super-Resolution
起风了丿的博客
11-21 799
摘要 （1）
2020CVPR《Closed-loop Matters: Dual Regression Networks for Single Image Super-Resolution》论文阅读
贝贝
07-11 1541
个人对2020cvpr的超分网络DRN的一些理解！ 论文的出发点：**目前学习从LR到HR的映射关系的超分网络存在两个问题（1）超分是一个“病态”问题，一张LR图像可以对应多个HR图像，就是说其实LR图像可以由多个HR图像降采样得到，因此可能的映射关系的空间巨大，找到正确的对应关系很困难。虽然可以通过增加模型的复杂度来设计有效的模型，例如EDSR，DBPN和RCAN。但是，这些方法仍然存在解空间大的问题，从而导致超分辨性能有限，不会产生细致的纹理。（2）真实场景下很难获取成对的LR-HR数据，直接给出一张L
读《Closed-loop Matters: Dual Regression Networks for Single Image Super-Resolution》
HeLoZhaoFei的博客
07-22 553
摘要： 1、介绍： ImageSR存在的问题： 1、学习从LR到HR的映射本来就是一个病态问题，解空间太大；为解决这个问题，有许多方法选则了增大模型容量，但是即便这样也没能提升轮廓的清晰度； 2、在Paired data（一大部分模型都依赖于paired training data）缺失的情况下如何得到一个理想的SR模型仍然是一个挑战；此外获取Paired data常用的降质模型与真实的降质模型分布也不相同；如果将现有的SR模型用于真实data的往往会导致严重的 adaptation 解决方...
【CV论文阅读笔记】使用DRN网络（双重回归网络）解决SR问题
Dai_Ge的博客
07-28 1367
【CV论文阅读笔记】使用DRN网络（双重回归网络）解决SR问题 本篇笔记来自CVPR2020年论文：Closed-loop Matters: Dual Regression Networks for Single Image Super-resolution 论文地址 ：https://arxiv.org/pdf/2003.07018.pdf 项目地址 ： https://github.com/fengye-lu/DRN-master Motivation： SISR（Single Image Super-
图像处理中不适定问题（ill posed problem）
Paul_Huang的专栏
04-21 4716
图像处理中不适定问题（ill posed problem）或称为反问题（inverse Problem）的研究从20世纪末成为国际上的热点问题，成为现代数学家、计算机视觉和图像处理学者广为关注的研究领域。数学和物理上的反问题的研究由来已久，法国数学家阿达马早在19世纪就提出了不适定问题的概念:称一个数学物理定解问题的解存在、唯一并且稳定的则称该问题是适定的（Well Posed）.如果不满足适定性
图像超分辨率 之 DRN 论文解读与感想
qq_37614597的博客
02-17 2966
图像超分辨率 之 DRN (Closed-loop Matters: Dual Regression Networks for Single Image Super-Resolution)论文解读与感想 DRN是在2020年顶会（CVPR）上发表的一篇想法简单，但是结果非常不错的文章。 先来说一下文章的切入点： 首先，对于图像超分辨率，可以说是一个经典的病态问题（ill-posed problem）。因为一个高分辨率图像可以通过不同的下采样（downscaled）方法获得不同的低分辨率图像，这也就是论文
计算机视觉中的不适定问题(ill-posed problem)
热门推荐
木盏
04-14 2万+
适定问题(well-posed problem)和不适定问题(ill-posed problem)都是数学领域的术语。 前者需满足三个条件，若有一个不满足则称为"ill-posed problem"： 1. a solution exists 解必须存在 2. the solution is unique 解必须唯一 3. the solution's be...
超分辨率基础
专业主义
03-28 7812
图像超分基本不使用Batch Normalization LapSRN可实现同时多个尺寸超分，Meta-SR可实现任意尺寸超分。 现在超分基本都是基于双三次插值退化模型的超分，用于真实环境效果不是很理想。 亚像素卷积和反卷积进行上采样 PSNR及SSIM评价指标 结构相似性SSIM从亮度、对比度和结构这三个方面来评估两幅图像的相似性。结构相似性理论认为，自然图像具有极高的结构性，表现在图像的像素间存在着很强的相关性，尤其是在空间相似的情况下。这些相关性在视觉场景中携带着关于物体结构的重要信息。假设人.
DRN ---Closed-loop Matters: Dual Regression Networks for Single Image Super-Resolution
qq_38799933的博客
04-21 3030
Closed-loop Matters: Dual Regression Networks for Single Image Super-Resolution 这篇博客主要介绍一下DRN，这是2020年最新出来超分辨重建文章。相信大家都阅读过很多超分辨率的文章，都知道超分辨率是一病态的问题。因为在现实生活中一张低分辨率图片产生的方式有很多种，而在我们目前的研究当中，几乎所有的研究人员在训练端对端的...
闭环重要性：双回归网络实现单图像超分辨率
针对这些挑战，"Closed-loop Matters: Dual Regression Networks for Single Image Super-Resolution" 论文提出了一种新的框架——闭合回路双回归网络。该框架通过引入闭合回路机制，即在模型内部模拟图像的下采样和...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值