SR流量 swMATH ID: 42565 软件作者： 安德烈亚斯·卢格迈尔（Andreas Lugmayr）、马丁·达内尔扬（Martin Danelljan）、吕克·范·古尔（Luc Van Gool）、拉杜·蒂莫夫特（Radu Timofte） 描述： SRFlow：使用规范化流学习超分辨率空间。超分辨率是一个不适定问题，因为它允许对给定的低分辨率图像进行多次预测。这一基本事实在很大程度上被最先进的基于深度学习的方法所忽视。这些方法使用重建和对抗损失的组合训练确定性映射。因此，在这项工作中，我们提出了SRFlow：一种基于归一化流的超分辨率方法，能够学习给定低分辨率输入的输出的条件分布。我们的模型是以一种原则性的方式使用单一损失进行训练的，即负对数似然。因此，SRFlow直接解释了问题的不适定性，并学会了预测不同的照片真实感高分辨率图像。此外，我们利用SRFlow学习到的强图像后验来设计灵活的图像处理技术，能够通过例如从其他图像传输内容来增强超分辨率图像。我们对人脸以及一般的超分辨率进行了广泛的实验。SRFlow在PSNR和感知质量度量方面都优于最先进的基于GAN的方法，同时通过探索超分辨率解决方案的空间实现了多样性。 主页： https://arxiv.org/abs/2006.14200 源代码： https://github.com/andreas128/SRFlow 相关软件： 掌中宽带;ODL公司;亚当;PyTorch公司;双流量;SNIPS公司;双SR;CAFLOW公司;WPP网络;补丁NR;LoDoPaB-CT公司;AlexNet公司;MetaIQA公司;RankSRGAN公司;TempoGAN公司;Uformer公司;ESRGAN公司;TDAN公司;PieAPP公司;Swin变压器 引用于： 1文件 1位作者引用 1 A.穆拉特·特卡普 连载1篇 1 计算机图形学和视觉的基础和发展趋势 在2个字段中引用 1 计算机科学（68至XX） 1 信息与通信理论、电路（94-XX） 按年份列出的引文