ZSSR_CVPR2018 - yubo105139/paper GitHub Wiki

CVPR2018ZSSR “zero-shot” super-resolution using deep internal learning

论文：https://arxiv.org/abs/1712.06087 code：http://www.wisdom.weizmann.ac.il/~vision/zssr/

核心:

单张图片训练,可以不依赖其他图片和预训练信息,使用图像的相似性. kernelGAN的简化版.

基于 自然图像中包含大量的内部重复信息单一图像的内部熵要远小于自然图像的general collection得到的外部熵，因此内部图像统计值相比外部统计值可以提供更强的预测能力。

方法:

LR图像I先再度降采样s倍，成为I↓s。网络学习I↓s到I的映射，然后把网络用于I的升采样，得到HR图像I↑s。

image-20211025162156966

网络结构：

使用简单的全卷积网络，8个隐藏层，没个隐层层64个通道，使用Relu作为激活函数，网络的输入图片会被插值到输出图片大小，网络只学习插值的LR和相应的HR parent，使用L1损失函数，Adam优化器，初始学习率是0.001。

下采样还是使用的bicubic，会导致一些高频信号丢失，这样对于有噪声的图像，经过SR之后，噪声会放大，会存在较多artifact，甚至有overshoot，作用到真实世界图像上效果还是不够理想。