视频超分辨率论文笔记
持续更新
Deep SR-ITM: Joint Learning of Super-Resolution and Inverse Tone-Mapping for 4K UHD HDR Applications
- 论文连接:https://arxiv.org/ftp/arxiv/papers/1904/1904.11176.pdf
- 代码:https://github.com/sooyekim/Deep-SR-ITM (matlab)
- CVPR 2019 oral
- 网络结构:
- 初始图像分解为base layer和detail layer,再与原始图像在通道上进行concat,作为上下两个分支的输入
- Residual blocks. 文中设计了4中不同的残差模块: ResBlock,ResModBlock,ResSkipBlock and ResSkipModBlock。Resblock 采用Pre-activation,为标准的残差模块。
- Deep SR-IRM 通过逐元素相乘,引入空间可变和图像自适应的调制。我的理解,网络的第二个分支相当于生成一个空间通道的注意力,然后对第一个分支的结果进行相乘。