NeurIPS 2020 | IGNN图卷积超分网络：挖掘隐藏在低分辨率图像中的高清纹理

在NeurIPS 2020上，南洋理工大学、商汤和哈工大研究员联合提出了跨尺度的图卷积超分网络IGNN。近些年来，Non-local方法利用同尺度的自相似性先验在图像复原任务中取得了一些突破，如图片去噪。但对于图像超分辨任务，相同低分辨率（LR）的相似图像块融合无法让网络直接感知更高分辨率（HR）的图像纹理。针对上述问题，本文利用图像内部纹理跨尺度多次复现的特性找到与LR图像块对应的k个HR图像块，并动态地构建了LR-HR块的连接图。基于该连接图，IGNN利用图卷积自适应地融合k个HR图像块，从而使图像内部高清纹理信息在超分中得到充分利用。IGNN在五个公开数据集上的性能表现均有显著提升。

论文名称: Cross-Scale Internal Graph Neural Network for Image Super-Resolution

感兴趣的可以继续戳链接。