基于深度学习的超分辨率
计算机视觉与模式识别
2018-08-14 v1
摘要
近来对卷积神经网络（CNN）的极大关注，使得超分辨率（SR）社区探索其潜力成为必然。反响热烈，在开创性工作出现后的过去三年里，涌现了太多工作，足以保证一份全面综述的必要性。本文在深度学习背景下综述SR文献。我们关注多媒体的三个重要方面——即图像、视频和多维数据，特别是深度图。在每种情况下，首先以数据集和最先进SR方法（不包括深度学习）的形式介绍相关基准。接下来是对个别工作的详细分析，每项包括方法的简短描述和对结果的评述，特别参考所进行的基准测试。随后进行最小整体基准测试，形式是在一些通用数据集上进行比较，同时依赖各项工作报告的结果。
引用
@article{arxiv.1706.09077,
title = {Super-Resolution via Deep Learning},
author = {Khizar Hayat},
journal= {arXiv preprint arXiv:1706.09077},
year = {2018}
}