基于自然图像先验的深度图像超分辨率
计算机视觉与模式识别
2018-02-09 v1
摘要
基于深度学习的单图像超分辨率（SR）近来在文献中获得了显著关注。卷积神经网络（CNNs）通常借助训练样本来学习表示低分辨率（LR）与高分辨率（HR）图像/块之间的映射。现有的大多数深度 SR 网络在训练数据充足时能产生高质量结果。然而，当训练受限时，其性能急剧下降。我们提出用关于图像的先验知识来正则化深度结构，使其能从同样的有限数据中捕获更多结构信息。具体而言，我们在 CNN 框架内以可处理的方式引入了自然图像先验，该先验近来在成像与视觉逆问题中取得了诸多成功。实验结果表明，所提出的带自然图像先验的深度网络在训练匮乏情形下尤为有效。
引用
@article{arxiv.1802.02721,
title = {Deep Image Super Resolution via Natural Image Priors},
author = {Hojjat S. Mousavi and Tiantong Guo and Vishal Monga},
journal= {arXiv preprint arXiv:1802.02721},
year = {2018}
}