论文标题：Kernel Agnostic Real-world Image Super-resolution

论文链接：https://arxiv.org/abs/2104.09008

作者单位：阿德莱德大学(沈春华团队)

本文提出一个新的与内核无关的SR框架来处理真实世界中的图像SR问题，该框架可以无缝地嵌入到多个主流模型上，如助力RCAN、EDSR等网络涨点！

近年来，深度神经网络模型在各个研究领域都取得了令人瞩目的成果。随之而来的是，深超分辨率（SR）方法吸引了越来越多的关注。许多现有方法试图从直接下采样的低分辨率图像或假设具有简单性的加性噪声类似于清晰的图像，也可能会涉及到高度复杂的内核和非累加的噪声。在这种情况下，现有的SR模型在处理现实世界图像时面临困难。在本文中，我们介绍了一个新的与内核无关的SR框架来处理现实世界中的图像SR问题。该框架可以无缝地挂接到多个主流模型上。在提出的框架中，退化内核和噪声是自适应建模的，而不是明确指定的。此外，我们还从正交的角度提出了迭代监督过程和频率关注目标，以进一步提高性能。实验验证了所提出框架在多个真实数据集上的有效性。 

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