用于盲超分辨率的核化反投影网络
图像与视频处理
2023-10-30 v3 计算机视觉与模式识别
摘要
由于非盲超分辨率（SR）无法对受任意退化降解的低分辨率（LR）图像进行超分辨，因此需要带退化模型的 SR。然而，本文揭示出，简单地以多种模糊核训练的非盲 SR，在盲 SR 中与带退化模型的 SR 表现相当。该结果促使我们重新审视高性能非盲 SR，并将其扩展至带模糊核的盲 SR。本文通过以迭代端到端方式整合核估计与 SR 分支，提出两种 SR 网络。在首个模型中，称为核条件反投影网络（KCBPN），估计低维核表示以条件化 SR 分支。在我们的第二个模型中，核化反投影网络（KBPN），估计原始核并直接用于建模图像退化。所估计的核不仅用于将其残差反向传播，也用于向前传播残差至迭代阶段。该前向传播通过聚焦于各阶段中具大残差的像素，鼓励这些阶段在不同阶段学习多种不同特征。实验结果验证了我们所提网络在核估计与 SR 上的有效性。我们将发布本工作的代码。
引用
@article{arxiv.2302.08478,
title = {Kernelized Back-Projection Networks for Blind Super Resolution},
author = {Tomoki Yoshida and Yuki Kondo and Takahiro Maeda and Kazutoshi Akita and Norimichi Ukita},
journal= {arXiv preprint arXiv:2302.08478},
year = {2023}
}
备注
The first two authors contributed equally to this work