OPE-SR：用于设计任意尺度图像超分辨率中无参数上采样模块的正交位置编码
计算机视觉与模式识别
2023-03-03 v1
摘要
隐式神经表示（INR）是任意尺度图像超分辨率（SR）的一种流行方法，作为 INR 的关键组件，位置编码提升了其表示能力。受位置编码启发，我们提出正交位置编码（OPE）——位置编码的一种扩展——以及 OPE-Upscale 模块，以替代基于 INR 的上采样模块用于任意尺度图像超分辨率。与 INR 相同，我们的 OPE-Upscale 模块以二维坐标与潜码为输入；然而它不需要训练参数。这一无参数特性使得 OPE-Upscale 模块能够直接执行线性组合操作以连续方式重建图像，实现任意尺度图像重建。作为一个简洁的 SR 框架，我们的方法具有较高计算效率且相比当前最优（SOTA）消耗更少内存，这已通过大量实验与评估得到证实。此外，我们的方法在任意尺度图像超分辨率中与 SOTA 结果相当。最后同样重要的是，我们证明了 OPE 对应一组正交基，从而印证了我们的设计原则。
引用
@article{arxiv.2303.01091,
title = {OPE-SR: Orthogonal Position Encoding for Designing a Parameter-free Upsampling Module in Arbitrary-scale Image Super-Resolution},
author = {Gaochao Song and Luo Zhang and Ran Su and Jianfeng Shi and Ying He and Qian Sun},
journal= {arXiv preprint arXiv:2303.01091},
year = {2023}
}
备注
Accepted by CVPR 2023. 11 pages