【CVPR2021】Unsupervised Degradation Representation Learning for Blind Super-Resolution

内容导读

• 文章针对盲超分，提出了一种无监督的降质表示学习方案，而无需进行显式的降质估计。
• 具体而言，通过学习抽象表示，去区分表示空间中的各种将至模型，而非在像素空间中的显式地学习或者估计降质模型。
• 文章提出了一个降质/退化感知（Degradation-Aware）网络——DASR。

1、论文来源

• 2021 CVPR，一作是国防科技大学在读博士生 王龙光
• 论文下载链接
• 开源：值得学习
• 原作王博士讲解视频：单目双目图像超分辨率研究

2、摘要

2.1 研究基本点

• 现有的SR方法大多假设降质模型是固定且是已知的，比如bicubic、加性高斯白噪声或已知的模糊kernel等，但是当实际的将至模型不同于假设的模型时，此时网络结构的性能与理想的单一降质模型相去甚远。引自：CVPR2019：Blind super-resolution with iterative kernel correction