10.3778/j.issn.1002-8331.2112-0308
双回归网络的单图像超分辨率重建
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.
单图像超分辨率重建、深度学习、卷积神经网络
58
TP391.41(计算技术、计算机技术)
2022-09-23(万方平台首次上网日期,不代表论文的发表时间)
共7页
277-283