逐梦

使用深度信息的zero shot超分辨率方法    本文是对Zero-Shot Image Super-Resolution with Depth Guided Internal Degradation Learning进行的介绍概述    在传统的超分辨率任务中，所使用的低分辨率（LR）图像都是由预先设定好的退化模型得到的。但在真实世界中，低分辨率的图像的退化过程往往是复杂多变的，对每张不同的图像而言，它们的退化过程都应

利用图像梯度信息使复原图像具有更稳定的结构    本文是对Structure-Preserving Super Resolution with Gradient Guidance一文进行介绍概述    在传统的图像超分中，往往以PSNR作为优化目标。所以许多的方法都使用L2，L1 loss作为网络的优化目标。但是由于从低分辨率到高分辨率的过程并不是单一的，所以网络预测的结果往往是多张可能图像的平均。这会造成图像的平滑和模糊

CutBlur 图像超分辨率中的数据增强手段本文是对CVPR2020中Rethinking Data Augmentation for Image Super-resolution: A Comprehensive Analysis and a New Strategy一文的介绍。