S2R: 探索一种双赢的基于 Transformer 的理想和盲超分辨率框架
原文中文，约700字，阅读约需2分钟。发表于：。现在，基于深度学习的方法在理想的超分辨率（SR）数据集上展现出了令人印象深刻的性能，但在应用于具有不可预测模糊核的现实 SR 重建任务时，大多数这些方法会显著降低性能。为了解决这个问题，提出了盲 SR 方法来改善随机模糊核造成的视觉结果，这同样导致理想低分辨率图像的重建效果不理想。本文提出了一个用于理想和盲 SR 任务的双赢框架，命名为 S2R，包括一个轻量级的基于 transformer...
本文提出了一个双赢框架S2R，用于理想和盲SR任务。该框架包括一个轻量级的基于transformer的SR模型和一种自上而下的训练策略。实验结果表明，S2R在理想SR条件下优于其他模型，并在盲模糊条件下提高了收敛速度300倍。
