任意尺度超分辨率新方法！GaussianSR：打破传统离散特征表示能力的限制！

文章预览

点击下方 卡片 ，关注“ 3D视觉之心 ”公众号 第一时间获取 3D视觉干货 >> 点击进入→ 3D视觉之心技术交流群 “连续”不要”离散“ 在单图像超分辨率（SISR）领域，传统的插值方法已被深度学习方法，特别是卷积神经网络（CNN）所超越， 因为它们能够学习分层特征并将低分辨率（LR）图像映射到高分辨率（HR）图像 。提出了各种 CNN 架构，包括子像素卷积层、金字塔框架、内存块、残差块和密集连接等。然而，这些方法 缺乏灵活性 ，因为它们是为固定的整数比例放大设计的，限制了它们的适用性。 任意比例超分辨率（ASSR）技术因其在不同缩放因子上的适应性而受到重视。尽管基于 INR 的 ASSR 方法已经展示了其有效性，但仍存在一些固有的局限性。潜在代码是单独存储的，这需要使用多层感知器（MLP）将这些离散特征插值为连续输出。此过程可能 ………………………………