LapSRN的Loss: Carbonnier Loss

本文认为相同的LR补丁可能有多种相应的HR补丁,而L2范数并不能捕捉潜在的综合HR补丁,L2范数重建出的图像往往过平滑。本文提出了一种抗噪性强的损失函数: 让x输入LR形象和θ的设置网络参数进行优化。目标是学习一个映射函数用于生成高分辨率图像ˆy = f(x;θ)贴近grounth truth图像y。x表示LR图像，y表示HR图像，r表示残差，用rs表示s级残差图像，s表示对应的level，也就是

>>阅读原文<<