CUF：连续上采样滤波器
机器学习
2022-10-21 v2 计算机视觉与模式识别
摘要
神经场已迅速被用于表征三维信号，但其在更经典的二维图像处理中的应用相对有限。本文考虑图像处理中最重要的操作之一：上采样。在深度学习中，可学习上采样层已被广泛用于单图像超分辨率。我们提出将上采样核参数化为神经场。该参数化带来了紧凑的架构，与竞争的任意尺度超分辨率架构相比，参数数量减少 40 倍。在上采样 256x256 尺寸图像时，我们表明该架构比竞争的任意尺度超分辨率架构高效 2x-10x，且在实例化为单尺度模型时比亚像素卷积更高效。在一般设定下，这些增益随目标尺度的平方呈多项式增长。我们在标准基准上验证了该方法，表明此类效率提升可在不牺牲超分辨率性能的前提下实现。
引用
@article{arxiv.2210.06965,
title = {CUF: Continuous Upsampling Filters},
author = {Cristina Vasconcelos and Cengiz Oztireli and Mark Matthews and Milad Hashemi and Kevin Swersky and Andrea Tagliasacchi},
journal= {arXiv preprint arXiv:2210.06965},
year = {2022}
}