DDet：面向真实世界图像超分辨率的双路径动态增强网络

与传统图像超分辨率任务不同，真实图像超分辨率（Real-SR）关注真实世界高分辨率（HR）与低分辨率（LR）图像之间的关系。大多数传统图像超分辨率通过施加固定的下采样算子获得LR样本。Real-SR通过结合不同质量的 optical 传感器获得LR与HR图像对。一般而言，Real-SR具有更多挑战以及更广泛的应用场景。先前的图像超分辨率方法在Real-SR上未能展现出相似性能，因为图像数据本身并非对齐的。在本文中，我们提出一种用于Real-SR的双路径动态增强网络（DDet），通过实现双向动态亚像素加权聚合与细化来解决跨相机图像映射问题。与堆叠大量卷积块进行特征表示的常规方法不同，我们引入内容感知框架来研究图像超分辨率问题中非本质对齐的图像对。首先，我们使用内容自适应组件来展现多尺度动态注意力（MDA）。其次，我们引入带有耦合细节处理（CDM）的长程跳跃连接以执行协同补偿与处理。上述双路径模型被联合为一个统一模型并协同工作。在具有挑战性的基准上的大量实验证明了我们模型的优越性。