CrossNet：一种基于交叉尺度扭曲的端到端参考图像超分辨率网络
计算机视觉与模式识别
2018-07-30 v1
摘要
参考图像超分辨率（RefSR）在给定的外部高分辨率（HR）参考图像条件下对低分辨率（LR）图像进行超分辨率重建，其中参考图像与 LR 图像具有相似视角但存在显著的 x8 分辨率差距。现有 RefSR 方法以级联方式工作，例如先块匹配再由合成流水线处理，并使用两个独立定义的客观函数，导致块间错位、网格效应与低效优化。为解决这些问题，我们提出 CrossNet，一种使用交叉尺度扭曲的端到端全卷积深度神经网络。我们的网络包含图像编码器、交叉尺度扭曲层与融合解码器：编码器用于从 LR 与参考图像中提取多尺度特征；交叉尺度扭曲层将参考特征图与 LR 特征图进行空间对齐；解码器最终聚合来自两个域的特征图以合成 HR 输出。利用交叉尺度扭曲，我们的网络能够以端到端方式在像素级进行空间对齐，从而在精度（约 2dB-4dB）与效率（快 100 倍以上）上均优于现有方案。
引用
@article{arxiv.1807.10547,
title = {CrossNet: An End-to-end Reference-based Super Resolution Network using Cross-scale Warping},
author = {Haitian Zheng and Mengqi Ji and Haoqian Wang and Yebin Liu and Lu Fang},
journal= {arXiv preprint arXiv:1807.10547},
year = {2018}
}
备注
To be appeared in ECCV 2018