按年被提到
20142015 · 2 次2026
视觉、语音与图像生成›超分辨率与图像压缩·arXiv:1501.00092 · cs.CV

Image Super-Resolution Using Deep Convolutional Networks

用深度卷积网络做图像超分辨率
Chao Dong, Chen Change Loy, Kaiming He, Xiaoou Tang · 2014

SRCNN:端到端学习低分辨率到高分辨率图像映射的卷积网络

开始阅读 ↗PDFalphaXiv 讨论
被提及 · 4 人首次 2015-08-21 · 最近 2017-02-01
4不同的人
4活跃月份
4讨论串
10,117被引(OpenAlex)

论文提出单图像超分辨率的深度学习方法:用一个深度卷积网络直接端到端学习低/高分辨率图像之间的映射。作者还指出传统基于稀疏编码的超分辨率方法同样可看作深度卷积网络,但它们是分开处理各组成部分,而本方法联合优化所有层;网络结构轻量,却达到当时最优的复原质量,速度也足以在线使用,并可扩展到同时处理三个颜色通道。

HN 为什么提它

评论者引用它说明 waifu2x 的灵感来源,把 SRCNN 当作 RAISR 等工作对比的 CNN 基线,并以它为例说明超分辨率这类经典逆问题可以用深度网络求解。

方法难度 3 / 5约 35 分钟经得起时间
读之前最好知道
1卷积神经网络(CNN)
2图像超分辨率与插值基础
3稀疏编码(sparse coding)
4PSNR 等图像质量指标

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
引用buymorechuck · 2015-08

“waifu2x was inspired by this paper from researchers at Chinese University of Hong Kong and Microsoft Research Asia”

指出 waifu2x 受这篇港中文和微软亚洲研究院的论文启发
Image Scaling using Deep Convolutional Neural Networks原评论 ↗
引用buymorechuck · 2015-08

“There is a more recent version of this paper published here”

指出这篇论文有更新的版本
Image Scaling using Deep Convolutional Neural Networks原评论 ↗
引用lotyrin · 2016-11

“and "SRCNN" C. Dong, C. C. Loy, K. He, and X. Tang, “Learning a deep convolutional network for image super-resolution” Image Super-Resolution Using Deep Convolutional Networks”

列出 SRCNN 作为 CNN 超分辨率基线,RAISR 与之对比
RAISR Sharp Images with Machine Learning原评论 ↗
引用ingenter · 2017-01

“Here's a list of various image interpolation techniques:”

在图像插值方法列表中列入这篇超分辨率 CNN
With Google's RAISR, images can be up to 75% smaller without losing detail原评论 ↗
引用digitalemble72 · 2017-02

“classical inverse problems like superresolution are solvable with deep networks [2].”

引用它说明超分辨率这类经典逆问题可用深度网络求解
The Convex Geometry of Inverse Problems [video]原评论 ↗