目前的超分辨率多是针对下采样的超分辨率重建,与实际退化模型不符。
本文以模糊核和噪声级的LR作为输入,以退化模型为依据。
提出一个具有维度拉伸的通用框架
维度拉伸
将卷积核拉伸成一维向量,再经过PCA得到1*t向量,再将1*t向量 加上噪声等级形成t+1维,将t+1维向量直接拉伸成W*H*(t+1),这样可以直接与输入图像同时被卷积。
网络结构
目前的超分辨率多是针对下采样的超分辨率重建,与实际退化模型不符。
本文以模糊核和噪声级的LR作为输入,以退化模型为依据。
提出一个具有维度拉伸的通用框架
维度拉伸
将卷积核拉伸成一维向量,再经过PCA得到1*t向量,再将1*t向量 加上噪声等级形成t+1维,将t+1维向量直接拉伸成W*H*(t+1),这样可以直接与输入图像同时被卷积。
网络结构