esrgan_论文阅读 | 图像超分(七) RFB-ESRGAN

Perceptual Extreme Super Resolution Network with Receptive Field Block

Perceptual Extreme Super Resolution Network with Receptive Field Block​openaccess.thecvf.com

NTIRE2020极限超分赛道的冠军~

提出了2个可以参考的超分结构和1个模型增强方案！

---

解决的问题

极限超分需要解决纹理细节问题。

本文提出了3个改进点：

1. 引入 Receptive Field Block (RFB) 到超分中，平衡小计算量和大感受野的问题，能抽取很细节的特征（RFB在目标检测、图像识别上已经验证过其强大能力）；
2. 交替使用 Nearest Neighborhood Interpolation (NNI) 和 Sub-pixel Convolution (SPC) 的上采样操作实现
   的超分，实现
   空间信息和深度信息的良好交融，不至于极限超分而损失细节性能。
3. 使用权重平均的方法，对训练过程中10个优质模型进行融合，提升模型抗噪能力和鲁棒性。

最终将改进的模型，在ESRGAN的框架下应用。

算法细节

• 整体结构

整体和ESRGAN一致。

Head + Body with long shortcut connection + Tail

先使用一