文章全名: Deep Laplacian Pyramid Networks for Fast and Accurate Super-Resolution
论文下载地址: https://pan.baidu.com/s/1nva9off
code:https://github.com/phoenix104104/LapSRN
该篇论文是2017 CVPR的 可以算是最新的一个超分辨率的论文了 废话不多说 看下论文是怎么做的吧
传统的超分辨做法有一些共同之处,首先是L2 loss函数,其次,使用特定尺寸的图片输入(VDSR除外),最后,都是输入到结果,无中间的超分辨率结果
论文先指出了传统SR(super resolution)做法中的一些问题:
1.现有方法可以处理各个尺寸的低分辨率图片,利用线性插值 将输入图片转为指定尺寸,这一步骤增加了人为噪声
2.使用L2 loss函数不可避免的产生模糊的预测,因为L2 loss函数不能找到由低分辨率LR到高分辨率HR的潜在的多模态分布,在这里作者做了一个解释:例如,一个低分率的patch可能对应多个高分率的patch,采用L2 loss使得重构结果过度平滑,不符合人类视觉
3.传统作法无法产生中间的输出结果
于是,针对传统做法的问题,论文做了一些改进
该篇论文的创