Learning a Single Convolutional Super-Resolution Network for Multiple Degradations 论文笔记

Abstract 深度卷积神经网络在图像超分辨率中取得了空前成就。 然而，已有的基于深度卷积神经网络的图像超分辨方法基本上是假设低分辨图片是由高分辨率图片通过双三次插值的方法下采样得到的。这就不可避免的造成了当真正的低分辨率图片不遵循双三次插值下采样时，模型的表现将变得不好。 为了解决这一问题，我们提出了一种维度拉长策略，将模糊和噪声作为输入。这种方法可以应对多倍和空间改变的退化模型，显然提高了实

>>阅读原文<<