论文标题：Deep Reparametrization of Multi-Frame Super-Resolution and Denoising

论文链接：https://arxiv.org/abs/2108.08286

论文作者：苏黎世联邦理工学院
 
我们建议对多帧图像恢复任务中常用的最大后验公式进行深度重新参数化。 我们的方法是通过引入学习误差度量和目标图像的潜在表示来推导出来的，它将 MAP 目标转换为深度特征空间。 深度重新参数化允许我们直接对潜在空间中的图像形成过程进行建模，并将学习到的图像先验整合到预测中。 因此，我们的方法利用了深度学习的优势，同时也受益于经典 MAP 公式提供的多帧融合原理。 我们通过对burst去噪和burst超分辨率数据集的综合实验来验证我们的方法。 我们的方法为这两项任务设定了新的最新技术，证明了所提出的公式的普遍性和有效性。
 

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