面向变退化单图像超分辨的统一动态卷积网络
图像与视频处理
2020-04-16 v1 计算机视觉与模式识别
摘要
深度卷积神经网络 (CNNs) 在单图像超分辨率 (SISR) 上取得了显著成果。尽管仅考虑单一退化，近期研究也包含多种退化效应以更好地反映真实世界情况。然而，多数工作假设固定的退化效应组合，甚至为不同组合训练独立网络。更实用的方法是训练单一网络以应对广泛且变化的退化。为满足此需求，本文提出一个统一网络以容纳图像间（跨图像变化）和图像内（空间变化）的变化。与现有工作不同，我们引入动态卷积，这是一种灵活得多的替代方案来处理不同变化。在非盲设置下的 SISR 中，我们的面向变退化的统一动态卷积网络 (UDVD) 在合成与真实图像上针对大量变化进行了评估。定性结果表明 UDVD 优于多种现有工作。大量实验显示我们的 UDVD 在合成与真实图像上均取得良好或可比的性能。
引用
@article{arxiv.2004.06965,
title = {Unified Dynamic Convolutional Network for Super-Resolution with Variational Degradations},
author = {Yu-Syuan Xu and Shou-Yao Roy Tseng and Yu Tseng and Hsien-Kai Kuo and Yi-Min Tsai},
journal= {arXiv preprint arXiv:2004.06965},
year = {2020}
}
备注
CVPR 2020