SFFAI 90—超分辨率专题《罗正雄：基于展开交替优化的盲超分算法》

图像超分辨率问题：就是如何在低分辨率图像基础上得到更高分辨率的图像。

对于不知道模糊核的盲超分辨问题，以往的方案通常包含两个阶段：估计模糊核与恢复超分图像

本期提出了一种让超分模块和估计模块可以同步训练的方法，相对于传统方法具有较大提升，工作发表与NeurIPS2020

分享者

主题：基于展开交替优化的盲超分算法

亮点如下：

超分：将低分辨率图像放大，常用双线性插值双立方插值，当放大后图像还是模糊

超分研究将放大后的图像也包含尽可能多的细节

图像降值

给低分辨图像求高分辨图像

挑战：下采样丢失细节

方法：

双立方插值图像得到高清图像

降采样1080P下采样360P再插值形成1080P

第二种方法：

第三种方法：

核估计，非盲超分

分解成两个子问题

能否同步求解？

交替优化

用神经网络

优点

端到端训练网络，更好鲁棒性，更好兼容性，可以用于核估计

参数在不同迭代里可以共享

测试：

核估计研究

迭代次数研究

实验效果

总结：超分螺旋式发展，从单一到多样，蘑菇核都要

端到端训练更重要，盲超分更流行

趋势:去噪，去模糊、超分融合