CVPR2020（TTSR纹理迁移）Learning Texture Transformer Network for Image Super-Resolution

文章地址：https://arxiv.org/pdf/2006.04139.pdf

项目地址：https://github.com/researchmm/TTSR

相关解读：https://mp.weixin.qq.com/s/nPPbHHJmIc5amyKwJlCsUQ

存在的问题：

1、怎么样就能体现出是纹理迁移呢，文中只是用到了参考图像Ref，但是不能说用到了Ref就是纹理迁移吧。

2、参考图像能不能进行改进，因为在现实的过程中，我们往往连参考图像都无法得到。

 

与先前盲猜图片细节的方法不同，我们引入一张高分辨率参考图像来指引整个超分辨率过程。高分辨率参考图像的引入，将图像超分辨率问题由较为困难的纹理恢复/生成转化为了相对简单的纹理搜索与迁移，使得超分辨率结果在指标以及视觉效果上有了显著的提升。

摘要

目前已经存在用纹理迁移做SR工作的文章。

但是现有的方法没有用到注意力机制来从参考的图像中间迁移，这使得纹理迁移的方法没被充分利用。

1、Introduction

基于gan的方法容易产生伪象和人工的痕迹。

文献【5, 6, 26, 29, 36】这些都是传统的方法通过参考的图像来进行重建。

文献