VALSE 论文速览 第64期：用于图像盲超分辨的无监督退化表示学习 ...

论文题目：用于图像盲超分辨的无监督退化表示学习

作者列表：王龙光 (国防科技大学)，王应谦 (国防科技大学)，董晓宇 (东京大学，RIKEN AIP)，徐清宇 (国防科技大学)，杨俊刚 (国防科技大学)，安玮 (国防科技大学)，郭裕兰 (国防科技大学)

B站观看网址：

https://www.bilibili.com/video/BV1fB4y1U7ic/

论文摘要：

图像超分辨旨在利用低分辨率图像，重建得到更清晰、细节更丰富的高分辨率图像。超分辨作为图像退化的逆过程，与图像退化模型耦合紧密。当前大部分已有的基于CNN的图像超分辨方法往往假设退化方式固定且已知 (比如双三次降采样)，当真实退化与假设不同时，这些方法的性能会出现明显的下降。为了处理真实场景中的未知退化，已有方法依赖于退化估计来引导图像超分辨率重建。然而，这些方法对退化估计精度较为敏感，并且退化估计通常比较耗时。为了解决这一问题，我们提出了一种基于退化表示学习的单帧图像盲超分辨算法。该算法不再显式地对图像退化进行估计，而是利用对比学习无监督地学习图像的退化表示，通过在表示空间中对不同退化进行辨识来隐式地获取退化信息。同时，该算法提出了一种退化感知的超分辨网络，能够根据提取的退化表示灵活地适应到不同的退化上。

论文信息：

[1] Longguang Wang, Yingqian Wang, Xiaoyu Dong, Qingyu Xu, Jungang Yang, Wei An, Yulan Guo, “Unsupervised Degradation Representation Learning for Blind Super-Resolution,” in Proceeding of IEEE Computer Vision and Pattern Recognition (CVPR 2021), virtual, June 2021.

论文链接：

[https://openaccess.thecvf.com/content/CVPR2021/papers/Wang_Unsupervised_Degradation_Representation_Learning_for_Blind_Super-Resolution_CVPR_2021_paper.pdf]

代码链接：

[https://github.com/LongguangWang/DASR]

视频讲者简介：

王龙光，国防科技大学博士生，研究方向为深度学习与低层视觉，专注于图像超分辨与图像复原，在CCF A类期刊和会议TPAMI、TIP、CVPR、ICCV上发表7篇一作论文。

特别鸣谢本次论文速览主要组织者：

月度轮值AC：杨曦 (西安电子科技大学)、王鑫 (清华大学)

季度责任AC：杨猛 (中山大学)