Set5、Set14、Urban100、BSD等最全超分辨率重建数据集下载
包含了图像超分辨率重建领域绝大部分的数据集并附带各种格式转换程序,允许批量重命名、图像裁剪等,提供了bicubic下采样程序,包括Set5、Set14、Urban100、91-images、BSD100、BSD300、BSD500、DIV2K、Flickr2K、General100、Manga109等,简单快捷,适用于正在深耕于超分辨率重建领域的各位大佬们。
包含了图像超分辨率重建领域绝大部分的数据集并附带各种格式转换程序,允许批量重命名、图像裁剪等,提供了bicubic下采样程序,包括Set5、Set14、Urban100、91-images、BSD100、BSD300、BSD500、DIV2K、Flickr2K、General100、Manga109等,简单快捷,适用于正在深耕于超分辨率重建领域的各位大佬们。
阿里达摩院的大佬提出的基于多尺度的退化核估计网络模型,并且提供了当前唯一的真实超分辨率图像数据集。这打破了以往采用人工数据来进行超分辨率模型训练的瓶颈,使得超分辨率重建进入“学习真正的退化核”阶段。本文为我人工翻译,并加了一些注解,值得一看。
最近,视频超分辨率 (VSR) 在为超高清显示器提供高分辨率 (HR) 内容方面变得更加重要。虽然已经提出了许多基于深度学习的 VSR 方法,但其中大多数都严重依赖于运动估计和补偿的准确性。我们在本文中介绍了一个完全不同的 VSR 框架。
本文解决了视频重新缩放任务,该任务源于调整视频空间分辨率以适应个人观看设备的需求。我们的目标是共同优化视频缩小和放大作为一项组合任务。大多数最近的研究都集中在基于图像的解决方案上,这些解决方案不考虑时间信息。我们提出了两种基于具有耦合层的可逆神经网络的联合优化方法。