标签：color   不同   使用   运动模糊   自己   作者   建模   结果   因此   

https://blog.csdn.net/yH0VLDe8VG8ep9VGe/article/details/83044386

一：学习图像超分辨率，先学习图像退化

当图片有多级退化或未知退化（比如运动模糊）时，能够帮我们获取真实结果的并不是建模过程，而是图像退化的学习过程。此外，它还解决的重建图像时的“老大难”问题：难以获取配对图像。（什么是配对图像呢？找不到）

首先，用未配对的图像训练一个降低分辨率的GAN，所以它学习了如何减小高分辨率图像的规模。

在第一阶段，我们可以使用不同的未配对数据集，比如由Celeb-A、AFLW、LS3D-W和VGGFace2组成的高分辨率图像数据集，或者低分辨率图像数据集Widerface。

在第二阶段，用上一步的输出结果，用成对训练数据从低分辨率到高分辨率地训练GAN。

论文作者还提到，唯一的另外一种写到了真实低分辨率面部图像超分辨率结果的方法，也出自自己实验室，而且中了CVPR 18。这些结果只包含面部图像，因为它用到了面部标记，因此不能被应用到其他物体分类中。

9/20下午：超分辨技术的历史

标签：color   不同   使用   运动模糊   自己   作者   建模   结果   因此   

原文地址：https://www.cnblogs.com/magic-o/p/11557979.html