【文件属性】：
文件名称：USRNet:用于图像超分辨率的深度展开网络（CVPR，2020）（PyTorch）
文件大小：18.84MB
文件格式：ZIP
更新时间：2021-05-02 18:04:58
super-resolution deblurring sisr gaussian-kernel end-to-end-learning
， ，瑞士苏黎世联邦理工学院
[ ] [ ]
[ ]
经典SR退化模型假设下的近似双三次核
PSNR结果
USRNet的视觉结果
USRGAN的视觉结果
双三次降解的结果
去模糊的结果
普遍性
实像SR
引文
经典SISR退化模型
对于比例因子 ，SISR的传统（传统）降级模型假定为低分辨率（LR）图像 是高分辨率（HR）图像的模糊，抽取和有噪点的版本 。 从数学上讲，它可以表示为
在哪里 表示的二维卷积 具有模糊内核 ， 表示标准 倍向下采样器，即保持每个不同像素的左上像素 修补并丢弃其他信号，通常假定n为加性高斯白噪声（AWGN），由标准偏差（或噪声水平）指定 。 通过明确的物理含义，它可以通过为基础的HR图像设置适当的模糊核，比例因子和噪声来近似各种LR图像。 特别地，已经在基于模型的方法中进行了广泛的研究，该方法解决了MAP框架下的数据项和先前项的组合。 特别值得注意的是