CVPR2021超分辨率论文阅读与解析

超分辨率依然是CVPR21中低层视觉的一个热门方向

大概搜罗了如下的10篇，其中7篇已开源或公布论文

下面我将对截至目前可以阅读到文献结合网上一些内容分析，做一系列的专栏，如有分析不到位或理解有问题也请指正，欢迎大家交流。

1. Unsupervised Degradation Representation Learning for Blind Super-Resolution

作者指出：大多数现有的SR方法都是基于一个假设，即下采样的模型是已知的，比如bicubic，加性高斯白噪声或已知的模糊kernel等等，但是这些方法在实际使用的时候效果很差。

为了在现实世界中取得优秀的视觉效果，先前的很多文章都采用了degradation learning的方法。但是估计退化模型很费事，不好学也经常学不好。如果退化模型学不好，超分的结果也会有很多artifacts。

这篇文章提出了一种表示学习方法用于盲超分辨率，作者并不显示的学习退化模型，而是在表示空间学习区分不同退化模型之间的表示而不是在像素空间学习明确的退化模型。

文章的unsupervised也体现在这里，因为是在表示空间，作者首先使用了一个encoder将来自不同降采样的图像patch编码成对应退化的表示向量，随后通过一个2层的MLP输出表示结果，利用了最近比较火热的对比学习（contrastive learning），即相似的退化距离应该相近，不相似的退化距离应该拉远。以此作者隐式的学习了一个退化的表示向量。

作者又提出了一种degradation aware network（DASR），网络中包含了多个DA块。这些DA块引入了之前学到的LR图像的退化表示，在监督环境下训练整套网络，从而在多个数据集上都取得了非常好的结果。

扫描ErWeiMa

获取更多精彩

机器之眼