深度采样网络
计算机视觉与模式识别
2018-03-28 v2
摘要
深度卷积神经网络实现了优异的图像上采样性能。然而，基于CNN的方法恢复高分辨率结果高度依赖于传统插值（如双三次）。在本文中，我们提出一种深度采样网络（DSN）用于下采样和上采样，而不使用任何廉价插值。首先，下采样子网络在无监督下训练，从而在低分辨率图像中保留更多信息并产生更好的视觉效果。其次，上采样子网络学习具有密集连接的子像素残差以加速收敛并提升性能。DSN的下采样子网络可用于生成照片级真实感低分辨率图像，并替代图像处理中的传统下采样方法。借助强大的下采样过程，协同训练的DSN在图像超分辨率上确立了新的SOTA性能。此外，DSN兼容现有图像编解码器以改进图像压缩。
引用
@article{arxiv.1712.00926,
title = {Deep Sampling Networks},
author = {Bolun Cai and Xiangmin Xu and Kailing Guo and Kui Jia and Dacheng Tao},
journal= {arXiv preprint arXiv:1712.00926},
year = {2018}
}