KOALAnet：基于核导向自适应局部调整的盲超分辨率
计算机视觉与模式识别
2021-04-01 v3
摘要
盲超分辨率（SR）方法旨在从含有未知退化的低分辨率图像生成高质量高分辨率图像。然而，自然图像包含各种类型和程度的模糊：有些可能源于相机固有的退化特性，但有些甚至可能是出于美学目的而有意造成的（例如散景效果）。对于后者，SR 方法极难分辨哪些模糊需要去除、哪些应保持不变。本文提出一种基于 SR 特征的核导向自适应局部调整（KOALA）的新型盲 SR 框架，称为 KOALAnet，其联合学习空间变化的退化核与复原核，以适应真实图像中空间变化的模糊特性。我们的 KOALAnet 在随机退化合成的 LR 图像上优于近期盲 SR 方法，并进一步表明所提 KOALAnet 能有效处理包含聚焦与失焦混合区域的图像，为带有有意模糊的艺术照片生成最自然、不过度锐化的结果。
引用
@article{arxiv.2012.08103,
title = {KOALAnet: Blind Super-Resolution using Kernel-Oriented Adaptive Local Adjustment},
author = {Soo Ye Kim and Hyeonjun Sim and Munchurl Kim},
journal= {arXiv preprint arXiv:2012.08103},
year = {2021}
}
备注
The first two authors contributed equally to this work. Accepted to CVPR 2021 (camera-ready version)