cutblur:重新考虑数据增强以实现图像超分辨率（CVPR 2020）

重新考虑数据增强以实现图像超分辨率（CVPR 2020） 该存储库提供了以下论文的官方PyTorch实现： 重新思考图像超分辨率的数据增强：全面分析和新策略* 1 ， * 2 ， 2 *表示相等的贡献。大多数工作在NAVER Corp.中完成。 1个EPFL 2阿久大学 摘要：数据扩充是提高深度网络性能的有效方法。不幸的是，当前的方法主要是针对高级视觉任务（例如分类）而开发的，而针对低级视觉任务（例如图像恢复）的研究很少。在本文中，我们对应用于超分辨率任务的现有增强方法进行了全面分析。我们发现，丢弃或处理像素或特征的方法过多地妨碍了图像恢复，而空间关系非常重要。根据我们的分析，我们建议使用CutBlur剪切低分辨率的色块并将其粘贴到相应的高分辨率图像区域，反之亦然。 CutBlur的主要直觉是使模型不仅可以学习“如何”而且可以学习“位置”以超级解析图像。通过这样做，模型可以了解“多少”