CVPR2020，USRnet，Deep Unfolding Network for Image Super-Resolution

Deep Unfolding Network for Image Super-Resolution
代码：https://github.com/cszn/USRNet

摘要：

存在的问题：传统的方法可以通过固定的方法处理不同尺度，模糊核与噪声等问题。而基于学习的方法就不能处理不同退化模型的问题。

得到的效果：可以通过一个模型来处理不同程度的尺度变化，模糊和噪声等问题。

1、Introduction

SR目前面临的主要问题是现有的退化模型与真实的退化方式之间存在较大的差异。

现有的基于CNN的方法无法通过单一的模型应对不同退化方式的图像。

本文的主要贡献：

（1）第一个试图通过一个模型来处理不同的退化方式（缩放倍数、模糊核、噪声水平）。

（2）USRNet集成了基于模型方法的灵活性和基于学习方法的优势，为基于模型和基于学习方法之间的鸿沟提供了桥梁。（说的很虚呀）

2、Related work

根据实际，应该考虑到三个关键的退化因素：缩放尺寸、模糊核、噪声。

3、Method

3.4 End-to-end training

选取的训练数据集为DIV2K和Flickr2K，LR图像的获取采用合成的方式 ：

缩放大小分别选