Lucas-Kanade 重探:基于原始图像连拍的端到端超分辨率
计算机视觉与模式识别
2021-08-24 v2 图像与视频处理
摘要
本报告探讨由在空间和时间上视角略有差异的多次低分辨率快照重建高分辨率图像的问题。解决该问题的关键挑战包括:(i) 以亚像素精度对齐输入图像,(ii) 处理原始(含噪)图像以最大程度忠实于相机原生数据,(iii) 设计/学习非常适合该任务的图像先验(正则化器)。我们基于 Wronski 等人的洞见——即在此情形下混叠是有利因素——构建了一种混合算法来应对这三大挑战,其参数可端到端学习,同时保留经典反问题方法的可解释性。我们在合成与真实图像连拍上证明了方法的有效性,在多个基准上树立了新 SOTA,并对智能手机和准专业相机拍摄的真实原始连拍给出了优异的定性结果。
引用
@article{arxiv.2104.06191,
title = {Lucas-Kanade Reloaded: End-to-End Super-Resolution from Raw Image Bursts},
author = {Bruno Lecouat and Jean Ponce and Julien Mairal},
journal= {arXiv preprint arXiv:2104.06191},
year = {2021}
}