面向任意模糊核的深度即插即用超分辨率
计算机视觉与模式识别
2019-04-01 v1
摘要
尽管基于深度神经网络(DNN)的单图像超分辨率(SISR)方法正迅速普及，但它们主要针对广泛使用的双三次退化而设计，且对它们而言，对具有任意模糊核的低分辨率(LR)图像进行超分辨率重建仍存在根本性挑战。与此同时，即插即用图像复原因其模块化结构便于即插去噪器先验而具有高灵活性。在本文中，我们借助即插即用框架，将基于双三次退化的深度 SISR 进行扩展，提出一种原则性公式与框架，以处理具有任意模糊核的 LR 图像。具体而言，我们设计了一种新的 SISR 退化模型，以便利用现有的盲去模糊方法进行模糊核估计。为优化该新退化诱导的能量函数，我们随后通过变量分裂技术推导出一种即插即用算法，其允许我们插入任意超分辨率先验而非去噪器先验作为模块化部分。在合成与真实 LR 图像上的定量与定性评估表明，所提出的深度即插即用超分辨率框架灵活且有效地处理模糊 LR 图像。
引用
@article{arxiv.1903.12529,
title = {Deep Plug-and-Play Super-Resolution for Arbitrary Blur Kernels},
author = {Kai Zhang and Wangmeng Zuo and Lei Zhang},
journal= {arXiv preprint arXiv:1903.12529},
year = {2019}
}
备注
Accepted to CVPR2019; code is available at https://github.com/cszn/DPSR