KXNet：一种用于盲超分辨率的模型驱动深度神经网络
计算机视觉与模式识别
2022-09-23 v2 图像与视频处理
摘要
尽管当前基于深度学习的方法在盲单图像超分辨率（SISR）任务中已取得令人瞩目的性能，其中大多数主要侧重于启发式地构建多样的网络架构，而较少关注模糊核与高分辨率（HR）图像之间物理生成机制的显式嵌入。为缓解此问题，我们提出一种模型驱动的深度神经网络，称为 KXNet，用于盲 SISR。具体地，为求解经典 SISR 模型，我们提出一种简洁而有效的迭代算法。随后通过将所涉及的迭代步骤展开为相应的网络模块，我们自然地构建了 KXNet。所提 KXNet 的主要特性在于，整个学习过程完全且显式地与该 SISR 任务固有的物理机制相融合。因此，学习到的模糊核具有清晰的物理模式，且模糊核与 HR 图像之间的相互迭代过程可合理地引导 KXNet 朝正确方向演化。在合成与真实数据上的大量实验充分证明了我们的方法相对于当前代表性最先进盲 SISR 方法的优越精度与泛化性。代码见：https://github.com/jiahong-fu/KXNet。
引用
@article{arxiv.2209.10305,
title = {KXNet: A Model-Driven Deep Neural Network for Blind Super-Resolution},
author = {Jiahong Fu and Hong Wang and Qi Xie and Qian Zhao and Deyu Meng and Zongben Xu},
journal= {arXiv preprint arXiv:2209.10305},
year = {2022}
}
备注
Accepted by ECCV2022