资讯动态 news

客服


【CVPR2019】Camera Lens Super-Resolution

发布于:2020-11-17 16:48 编辑:admin  

  中科大团队提出的相机镜头超分辨率在CVPR2019亮相。今年在CVPR中亮相的SR文章有16篇之多大概大家都开拓“改进模型结构来提升PSNR”之外的赛道旷视的Meta-SR聚焦在非整数倍尺寸放大的SR。而CameraSR聚焦在相机拍摄的超分辨率。

  这篇文章面向相机进行超分辨率这很容易让人联想到前段时间的华为P30号称能拍摄月球但不过是用超分辨率代替拍摄来“糊弄”用户不过这种SR操作的手机拍照很难被用户察觉。

  这是本文最大的可圈可点之处提出了一种更为现实的图像对方法。首先你要知道什么是图像对

  超分辨率(SR)模型训练需要喂入“高分辨率(HR)/低分辨率(LR)”图像对作为数据HR相当于SR模型的label而LR相当于SR模型的输入。所以图像对是超分辨率模型的样本。

  之前的超分辨率图像的图像对都是怎么获得呢都是先获得高分辨率图像再通过池化等下采样操作得到对应的低分辨率图像以此构成图像对。

  这么做有个非常明显的优势省时省力数据易得

  有过不少文章探讨如何下采样得到图像对来提升SR的效率。然而这篇文章提供了全新的获得图像对的思路即R-V degradation。

  不要被这个高大上的英语名词吓到了就是很简单的意思

  R代表分辨率V代表视野域我让相机的视野域越广是不是代表它视野中的物体分辨率更小呢如果我让相机对某个小物体放大拍摄是不是它的视野域就很小而这个小物体具有更大的分辨率呢

  我们看图(a)上图视野域更小但物体具有更大的分辨率下图视野域更大但目标物体的分辨率很低看不清楚。

  作者获得了100个这样的图像对整理出一个叫city100的数据集不久应该会开源感兴趣的可以关注一下。