Closed-loop Matters: Dual Regression Networks for Single Image Super-Resolution

CVPR2020

motivation

超分辨率存在两个问题：

• 从低分辨率到高分辨率的映射通常是个不确定的问题，因为存在无限的高分辨率图像可能会被采样到相同的低分辨率图像。这样会导致超分辨率对于低分辨率图像的解空间非常大。在这里我理解的是，在不成对的变化中才可能出现这种情况。
• 使用成对的低分辨率-高分辨率图像可以解决上述问题。 但由于低分辨率图像是由高分辨率下采样获得的，而在真实环境的测试中，输入的图像的下采样方法是未知的，因此可能会带来适应性的问题。

model

如上图所示，这是一个类似CycleGAN的结构。 $\mathcal{1}_{\mathcal{S}_p}(x_i)$表示$x_i$属于$\mathcal{S}_p$时为1，其余为0

文章额外提到，未对$y_i$进行循环一致性约束的原因是，对算法性能提高有限而提高了计算成本。

测试结果