【CVPR2016】单张图像超分辨率ESPCN
原文标题 :Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network 问题领域 :超分辨率 简述 :实时、图像超分辨率(Super-Resolution)、卷积神经网络(CNN) 原文 : https://www.cv-foundation.org/openaccess/content_cvpr_2016/papers/Shi_Real-Time_Single_Image_CVPR_2016_paper.pdf 发表 :CVPR2016 原文背景 :超分辨率问题,是从单张低分辨率(LR)图像通过一个滤波获取高分辨率(HR)图像的问题。已有若干成功的用于超分辨率的CNN工作。但是这些方法大多数都首先将输入的图像做了一个操作(大多数是bicubic插值,可参考https://blog.csdn.net/linqianbi/article/details/78594019),使其放大到和输出图像相同的size。这么做的话,其实是在HR空间中计算的,一方面并不能得到最优的效果,另一方面计算量会非常的巨大。 此文贡献 :在LR空间上处理卷积,并由一个sub-pixel层转换到HR上,从而完成工作。下图为其time cost以及PSNR