基于级联残差网络的快速、准确且轻量的超分辨率
计算机视觉与模式识别
2018-10-08 v5
摘要
近年来，深度学习方法已成功应用于单图像超分辨率任务。尽管性能优异，但由于需要大量计算，深度学习方法难以轻易应用于实际场景。本文通过提出一种准确且轻量的图像超分辨率深度网络来解决这一问题。具体而言，我们设计了一种在残差网络上实现级联机制的架构。我们还提出了所提出的级联残差网络的变体模型以进一步提升效率。我们的大量实验表明，即使使用少得多的参数与操作，我们的模型也能取得与 SOTA 方法相当的性能。
引用
@article{arxiv.1803.08664,
title = {Fast, Accurate, and Lightweight Super-Resolution with Cascading Residual Network},
author = {Namhyuk Ahn and Byungkon Kang and Kyung-Ah Sohn},
journal= {arXiv preprint arXiv:1803.08664},
year = {2018}
}
备注
European Conference on Computer Vision (ECCV), 2018