科研之友
微信
新浪微博
Facebook
分享链接
摘要
单幅图像超分辨率[1]是一个将高分辨率转换为低分辨率的经典问题。基于传统的插值方法,如线性插值、二次插值、Lanczos[2]插值通常带来平滑的图像结果。相比于传统的插值方法,基于深度学习的方法[3]能充分恢复图像的纹理细节,生成更加合理的高分辨率图像。借用了Octave Convolution的思想,并提出了分别产生不同频率的级联模块。同时使用了通道注意力机制去给不同特征图赋予权重。图像超分辨率作为一个不适定问题,通常由深度学习网络产生的图像纹理细节往往伴随着边缘伪影[4],使用近邻插值去消除伪影。除此之外,使用了Pixel-Shuffle来提高反卷积的精度。
- 单位
