深度学习图像超分辨率最新综述：从模型到应用

点击我爱计算机视觉标星，更快获取CVML新技术

---

近日在arXiv平台发布了一篇题为《Deep Learning for Image Super-resolution: A Survey》的论文

该文作者分别来自华南理工大学和新加坡管理大学。/撒花

何为图像超分辨？

通俗点说，就是把图像由小变大，分辨率从低到高。

但这里面却有大学问！

放大后可能会导致图像中出现更多的细节内容需要被呈现出来

通过查看上文的图可以看到最近邻插值直接放大的图像与超分辨率算法生成的大图之间的对比研究。普通人都能明显感觉到后者更为舒适

超分辨率不仅有助于图像压缩，在传输和存储过程中使用较小的图像；当查看时会显示较大的图像，并且这些较大尺寸的文件占用的数据量显著减少。这也成为了很多大型公司研发超分辨率技术的主要原因之一！

深度超分辨率层次结构

该文作者归纳整理了一张精妙的图谱，在深度学习超分辨率领域提供了全面的视角。

（下图请务必点击查看大图）

作者系统阐述了深度学习在图像超分辨率领域的监督式的学习方法，并对模型架构、上采样技术以及网络构建技术等方面进行了全面探讨；此外还详细分析了训练优化策略以及潜在的优化方向，并对整体研究工作进行了深入总结

同时介绍了该领域的性能度量标准，包括常用数据集总结。

然后阐述了近期 emergence 的 unsupervised 超分辨率重建技术及其在 SR 领域的应用。实际上而言，在图像处理领域无处不存的就是 SR 的应用场景。

本文归纳了近二十年来本领域的重要文献共计约200余篇，并整理得十分详尽。值得作为入门者的必读书籍参考，并不需要读者具备深厚的理论基础。

论文地址：

https://arxiv.org/pdf/1902.06068.pdf

在“我爱计算机视觉”这个公众号的对话界面回复“SR综述”，即可获得该论文的百度云下载地址

52CV曾经报道过多篇SR技术，前段时间介绍了

小米推出FALSR算法：一种高效的超分辨率重建方法

今天小米的这篇佳作还被雷军叔叔点名表扬了：

图像超分辨率是一项重要的基础应用工作。当图像超分辨率的效果和效率得到显著提升时，在实际应用中实现移动端的商业落地，则能够在企业运营中为企业节省可观的成本支出。

想要体验一下目前该领域的最新效果，也许你可以尝试玩玩这份代码：

在现有技术中尚未被超越的图像超分辨率算法已正式发布

喜欢CV君的分享，请文末点个“好看”~

加群交流

关注计算机视觉与机器学习技术，欢迎加入52CV群，扫码添加52CV君拉你入群，

（请务必注明:52CV）

**

**

喜欢在QQ交流的童鞋，可以加52CV官方QQ群 ：928997753。

（不会时时在线，如果没能及时通过验证还请见谅）

更多CV技术干货请浏览：

我对计算机视觉领域充满热情的干货集锦——分类整理（于2019年1月20日正式发布）

---

长按关注我爱计算机视觉