用于图像超分辨率的余弦网络
计算机视觉与模式识别
2026-01-26 v1
摘要
深度卷积神经网络可以利用分层信息逐步提取结构信息以恢复高质量图像。然而，在图像超分辨率中，保持所获得结构信息的有效性至关重要。在本文中，我们通过改进网络架构和优化训练策略，提出了一种用于图像超分辨率的余弦网络 (CSRNet)。为了提取互补的同源结构信息，设计了奇偶异构块以扩大架构差异并提高图像超分辨率的性能。结合线性和非线性结构信息可以克服同源信息的缺点，并增强图像超分辨率中所获得结构信息的鲁棒性。考虑到梯度下降的局部最小值，使用余弦退火机制通过执行热重启和调整学习率来优化训练过程。实验结果表明，所提出的 CSRNet 在图像超分辨率方面与最先进的方法具有竞争力。
引用
@article{arxiv.2601.16413,
title = {A Cosine Network for Image Super-Resolution},
author = {Chunwei Tian and Chengyuan Zhang and Bob Zhang and Zhiwu Li and C. L. Philip Chen and David Zhang},
journal= {arXiv preprint arXiv:2601.16413},
year = {2026}
}
备注
in IEEE Transactions on Image Processing (2025)