GUN：用于单幅图像超分辨率的渐进上采样网络
计算机视觉与模式识别
2018-07-05 v2
摘要
本文提出一种基于深度卷积神经网络的高效超分辨率方法，即渐进上采样网络（GUN）。近期基于CNN的超分辨率方法通常先将低分辨率输入初步放大到高分辨率再进行重建，或直接重建低分辨率输入然后在最后一层恢复高分辨率结果。所提出的GUN采用渐进过程来替代这两种常用框架。GUN由一个输入层、多个上采样和卷积层以及一个输出层组成。通过渐进过程，该网络可将直接的超分辨率问题简化为多步更简单的上采样任务，每一步的放大因子非常小。此外，还为GUN提出了一种渐进训练策略。在所提出的训练过程中，初始网络可以很容易地用类似边缘的样本进行训练，然后权重再通过更复杂的样本逐步微调。GUN能够恢复精细且生动的结果，并且易于训练。在多个图像集上的实验结果证明了所提出网络的有效性。
引用
@article{arxiv.1703.04244,
title = {GUN: Gradual Upsampling Network for Single Image Super-Resolution},
author = {Yang Zhao and Guoqing Li and Wenjun Xie and Wei Jia and Hai Min and Xiaoping Liu},
journal= {arXiv preprint arXiv:1703.04244},
year = {2018}
}
备注
11 pages, 9 figures