科研之友
微信
新浪微博
Facebook
分享链接
摘要
现有基于卷积神经网络的单图像超分辨率模型存在三个限制。理论上存在无限的HR图像，可以下采样到相同的LR图像，可能的函数空间非常大。因为现实世界潜在的下采样方法是未知的，使用特定方法配对的数据训练的模型在实际应用中泛化能力差，产生适应性问题。忽视残差分支的高频层次特征。针对上述问题，提出双重回归方案。除了学习从LR到HR图像的原始回归映射之外，额外学习一个对偶回归映射来估计下采样核并重建LR图像，形成一个闭环提供额外的监督，并在残差结构上引入了傅里叶变换，增强模型对高频信息的表达能力。相比其他先进模型以更少的参数重建HR图像，且拥有丰富的高频纹理细节。
- 单位
