深度拉普拉斯金字塔网络用于快速准确超分辨率
计算机视觉与模式识别
2017-10-11 v2
摘要
卷积神经网络近来在单图像超分辨率重建中展现出高质量重建能力。本文提出拉普拉斯金字塔超分辨率网络（LapSRN）以逐步重建高分辨率图像的次带残差。在每个金字塔层级，我们的模型以粗分辨率特征图作为输入，预测高频残差，并使用转置卷积上采样至更精细层级。我们的方法不需要将双三次插值作为预处理步骤，从而显著降低计算复杂度。我们使用鲁棒的Charbonnier损失函数以深度监督方式训练所提出的LapSRN，实现了高质量重建。此外，我们的网络通过渐进式重建在单次前馈传播中生成多尺度预测，从而便于资源感知应用。在基准数据集上的大量定量与定性评估表明，所提算法在速度和精度方面优于最先进的方法。
引用
@article{arxiv.1704.03915,
title = {Deep Laplacian Pyramid Networks for Fast and Accurate Super-Resolution},
author = {Wei-Sheng Lai and Jia-Bin Huang and Narendra Ahuja and Ming-Hsuan Yang},
journal= {arXiv preprint arXiv:1704.03915},
year = {2017}
}
备注
This work is accepted in CVPR 2017. The code and datasets are available on http://vllab.ucmerced.edu/wlai24/LapSRN/