圖像超分辨率問(wèn)題：就是如何在低分辨率圖像基礎(chǔ)上得到更高分辨率的圖像。

對(duì)于不知道模糊核的盲超分辨問(wèn)題，以往的方案通常包含兩個(gè)階段：估計(jì)模糊核與恢復(fù)超分圖像

本期提出了一種讓超分模塊和估計(jì)模塊可以同步訓(xùn)練的方法，相對(duì)于傳統(tǒng)方法具有較大提升，工作發(fā)表與NeurIPS2020

分享者

主題：基于展開(kāi)交替優(yōu)化的盲超分算法

亮點(diǎn)如下：

超分：將低分辨率圖像放大，常用雙線性插值雙立方插值，當(dāng)放大后圖像還是模糊

超分研究將放大后的圖像也包含盡可能多的細(xì)節(jié)

圖像降值

給低分辨圖像求高分辨圖像

挑戰(zhàn)：下采樣丟失細(xì)節(jié)

方法：

雙立方插值圖像得到高清圖像

降采樣1080P下采樣360P再插值形成1080P

第二種方法：

第三種方法：

核估計(jì)，非盲超分

分解成兩個(gè)子問(wèn)題

能否同步求解？

交替優(yōu)化

用神經(jīng)網(wǎng)絡(luò)

優(yōu)點(diǎn)

端到端訓(xùn)練網(wǎng)絡(luò)，更好魯棒性，更好兼容性，可以用于核估計(jì)

參數(shù)在不同迭代里可以共享

測(cè)試：

核估計(jì)研究

迭代次數(shù)研究

實(shí)驗(yàn)效果

總結(jié)：超分螺旋式發(fā)展，從單一到多樣，蘑菇核都要

端到端訓(xùn)練更重要，盲超分更流行

趨勢(shì):去噪，去模糊、超分融合