Jun, 2023

盲图像超分辨率的深度学习技术：高规模、多领域视角评估

PDF
TL;DR本研究在 14 个小数据集上进行了高倍率 (8x) 的盲图像超分辨率 (DL) 技术的评估，包括 Adaptive Pseudo Augmentation (APA)、Blind Image SR with Spatially Variant Degradations (BlindSR)、 Deep Alternating Network (DAN)、FastGAN 和 Mixture of Experts Super-Resolution (MoESR)，并使用 NIQE 和 MANIQA 评估这些方法的表现。其中，MoESR 被认为是最好的解决方案，但所有技术创建的 HR 图像的感知质量仍需要改进。
image super-resolutiondeep learningblind image srlow-resolution imagesdl techniques evaluation
发现论文，激发创造
  • 盲图像超分辨率：调查与发展

    这篇论文系统地回顾了最近盲目图像超分辨率的研究进展，提出了一个分类法以区分现有的方法，并对常用数据集和以前的比赛进行了总结。同时，通过对合成和真实测试图像的详细分析，对不同方法的优缺点进行了比较。

    Jul, 2021

  • 基于深度学习的单幅图像超分辨率的全面综述

    本研究调查了单图像超分辨率的经典方法和基于深度学习的方法，将这些方法分类为四类，并介绍了 SR 的问题，提供了图像质量指标，参考数据集和 SR 的挑战。其中包括 EDSR，CinCGAN，MSRN 等最先进的图像 SR 方法。

    Feb, 2021

  • 盲超分辨率图像质量评估的规模引导超网络

    本文介绍了一种基于尺度引导的超网络框架，用于在盲质量评估过程中以尺度自适应的方式评估超分辨率图像质量。

    Jun, 2023

  • 将退化预测与高性能超分辨率网络相结合的框架

    本文提出了将盲超分辨率预测机制与深度超分辨率网络相结合的框架，通过在 SR 网络特征映射中插入预测向量的元数据插入块，我们展示了最先进的对比预测方案和迭代预测方案在 RCAN 和 HAN 等高性能 SR 网络中成功地结合使用的结果，实现了比非盲和盲超分辨率网络更强大的超分辨率性能。

    Nov, 2022

  • 图像超分辨率的深度学习研究

    本文综述了近年来深度学习在图像超分辨率中的广泛应用，重点介绍了监督式、非监督式、以及领域特定的图像超分辨率技术。同时讨论了公开可用的基准数据集和性能评估指标等重要问题，并提出了未来需要进一步研究的方向和问题。

    Feb, 2019

  • 超越辍学：通向可推广图像超分辨率的引人注目解决方案

    利用深度学习在单图像超分辨率（SISR）方面取得了显著进展，尽管大部分现有工作假设简单且固定的降级模型，但盲目超分辨率的研究旨在改进对未知降级能力的建模，本文提出了一种更合适的训练策略利用 Dropout 来提高盲目超分辨率的模型泛化能力，同时降低 Dropout 引入的不良副作用，我们通过理论和实验分析展示了这种方法的效果，并通过调整一阶和二阶特征统计量提出了另一种简单但有效的训练策略，该方法在包括合成和真实世界场景在内的七个基准数据集上表现更好，可作为一种与模型无关的正则化方法。

    Feb, 2024

  • 基于对比表示学习的盲目图像超分辨率

    设计了一种名为 CRL-SR 的网络进行盲超分辨率重建，可以有效应对多模式、空间变量和未知分布的图像降质，其应用了对比度表示学习和对比度特征强化两种策略，并在实验中验证了其在超分辨率重建上的优越性。

    Jul, 2021

  • 基于深度学习的 3D 外观超分辨率重建

    本文提出一种基于深度学习的方法，通过利用多视角下的几何信息来超分辨率重建三维物体材质纹理贴图，数据集采用了 ETH3D、SyB3R、MiddleBury、TUM、Fountain 和 Relief 等。

    Jun, 2019

  • 基于领域距离感知训练的无监督真实世界图像超分辨率

    我们提出了一种面向实际应用的新颖无监督超分辨率（SR）方法 - DASR，通过该方法的领域间距距离控制训练过程，实现了生成具有更现实、自然的纹理的 SR 输出，并在合成和实际数据集上验证表明，DASR 始终优于当前最先进的无监督 SR 方法。

    Apr, 2020

  • StarSRGAN: 提高实际世界中的盲目超分辨率

    StarSRGAN 是一种用于盲超分辨率任务的 GAN 模型，通过实验比较与 Real-ESRGAN，提供了新的最先进性能，MANIQA 和 AHIQ 度量方面大约提高了 10%；另外，StarSRGAN Lite 是一种紧凑版模型，提供了大约 7.5 倍更快的重建速度，但仍能保持近 90% 的图像质量，从而有助于未来研究中开发实时超分辨率体验。

    Jul, 2023