本文分享一篇近期超分辨率的最新文献综述『Generative Adversarial Networks for Image Super-Resolution: A Survey』。通过对 193 篇相关文献进行全面调研，从它们的性能、优点、缺点、复杂性、挑战和潜在的研究点等进行讨论。


具体信息如下：

论文作者：田春伟，张璇昱，林浚玮，左旺孟，张艳宁

通讯单位：西北工业大学、空天地海一体化大数据应用技术国家工程实验室、西挪威应用科学大学、哈尔滨工业大学和鹏城实验室

论文链接：http://arxiv.org/abs/2204.13620

 

01  摘要

单幅图像超分辨已经在图像处理领域扮演一个重要的角色。最近的生成对抗网络（Generative adversarial networks, GANs）在小样本的低分辨率图像上获得了出色的表现。然而，目前有较少的不同GANs在图像超分辨上的总结。在本文中，从不同角度来总结了GANs在图像超分辨应用。

首先，介绍GANs的发展。其次，从大小样本两方面介绍流行的GANs在图像上应用的方法。然后，分析基于优化方法和判别学习方法在图像超分辨应用上以有监督、半监督和无监督训练GANs的动机、实现和区别。

接着，比较这些GANs方法就定性和定量分析上的图像超分辨的性能。最后，给出GANs在图像超分辨上的挑战和潜在研究点。本文的框架图如图1 所示：

图1 本文的框架图
第一章引言中提到的GAN相关模型总结详见表1：
表 1 引言中的GANs总结

内容中包含的图片若涉及版权问题，请及时与我们联系删除