【图像超分】论文精读：Deep Plug-and-Play Super-Resolution for Arbitrary Blur Kernels（DPSR）

最新推荐文章于 2025-08-18 21:35:01 发布
最新推荐文章于 2025-08-18 21:35:01 发布
阅读量937 收藏 2
点赞数
CC 4.0 BY-SA版权
分类专栏： 超分辨率重建（理论+实战，科研+应用） 文章标签： 计算机视觉 人工智能 深度学习 超分辨率重建 图像处理 论文阅读 论文笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_36584673/article/details/139093084
本文介绍了处理任意模糊核的单图像超分辨率（SISR）方法——深度即插即用超分辨率（DPSR）。DPSR提出了一种新的退化模型，结合双三次下采样、模糊和噪声，便于模糊核的估计。通过半二次分裂算法和即插即用框架，DPSR能够灵活地处理模糊失真，适用于处理任意模糊核的LR图像。与现有方法相比，DPSR展示了在模糊和噪声图像处理方面的优势，提供了更优的性能和视觉效果。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

第一次来请先看这篇文章：【超分辨率（Super-Resolution）】关于【超分辨率重建】专栏的相关说明，包含专栏简介、专栏亮点、适配人群、相关说明、阅读顺序、超分理解、实现流程、研究方向、论文代码数据集汇总等）

文章目录

前言

论文题目：Deep Plug-and-Play Super-Resolution for Arbitrary Blur Kernels —— 任意模糊核的深度即插即用超分辨率

论文地址：Deep Plug-and-Play Super-Resolution for Arbitrary Blur Kernels

论文源码：https://github.com/cszn/DPSR

CVPR 2019！

Abstract

虽然基于深度神经网络的单幅图像超分辨率(SISR)方法越来越受欢迎，但它们主要是为广泛使用的双三次退化而设计的，而且它们仍然面临着用任意模糊核超分辨率低分辨率(LR)图像的基本挑战。同时，即插即用图像恢复由于其模块化结构，易于插入去噪先验，具有很高

了解本专栏 订阅专栏 解锁全文
任意模糊核的深度即插即用超分辨率（Deep Plug-and-Play Super-Resolution for Arbitrary Blur Kernels）
一个爱学习的小小白
06-19 3696
Deep Plug-and-Play Super-Resolution for Arbitrary Blur Kernels Kai Zhang 1,2 , Wangmeng Zuo 1,3,∗ , Lei Zhang 本文在基于深度神经网络的基础上，提出了一个比双三次退化模型更实际的退化模型，采用了即插即用的方法去对任意模糊内核的LR图像进行LR估计， 更简单的 simple super-res...
Deep Plug-and-Play Super-Resolution for Arbitrary Blur Kernels(DPSR)论文阅读
qq_38992914的博客
11-04 480
Deep Plug-and-Play Super-Resolution for Arbitrary Blur Kernels(DPSR)论文阅读 这篇论文做的是超分辨率与去噪一起完成的图像修复工作，在前人（IRCNN）的基础上加以改进。（当然了，毕竟都是同一批人的作品嘛） 这篇文章提出四个主要贡献： 1、提出了一个更接近实际的退化模型。 2、提出的方法可以处理任意的模糊核（不过没试过它能不能处理模...
Deep Plug-and-Play Super-Resolution for Arbitrary Blur Kernels_注释版.pdf
12-06
这是关于在CVPR2019上发表的“Deep Plug-and-Play Super-Resolution for Arbitrary Blur Kernels”的在源PDF文件的基础上，进行的注释标注的版本，用以配套我在博客中写的论文解读来使用。
[论文分享]Deep Plug-and-Play Super-Resolution for Arbitrary Blur Kernels.pptx
12-06
这个ppt是关于在CVPR2019上发表的论文——“Deep Plug-and-Play Super-Resolution for Arbitrary Blur Kernels”的论文分享讲义，我会按照我制作的ppt中的思路，在博客中，详细分析这篇论文。
论文阅读笔记之——《Deep Plug-and-Play Super-Resolution for Arbitrary Blur Kernels》
热门推荐
gwpscut的博客
04-20 1万+
本博文为论文的阅读笔记。 论文的链接（https://www.researchgate.net/publication/332109956_Deep_Plug-and-Play_Super-Resolution_for_Arbitrary_Blur_Kernels） 开源的代码：https://github.com/cszn/DPSR 本文其实相当于盲超分（传统的超分就是做bicubic），...
Deep Plug-And-Play Super-Resolution for Arbitrary Blur Kernels论文阅读
最新发布
yangqoor的博客
08-18 465
（bicubic degradation）设计，但在实际场景中，低分辨率（LR）图像可能由任意模糊核（如运动模糊、散焦模糊）退化生成。论文提出一种新的降质模型和优化框架，使SISR方法能够灵活处理任意模糊核的LR图像。（式(7)通过频域专用模块解决模糊失真，式(8)利用DNN超分辨先验——二者解耦实现高效协同。论文旨在解决传统基于深度神经网络（DNN）的单图像超分辨率（SISR）方法在处理。：将任意预训练的DNN超分辨模型（如SRResNet）作为即插即用先验模块。：在频域中融合观测图像。
深度学习任意模糊核超分辨率技术解析
"这篇资源是CVPR2019会议上发表的‘Deep Plug-and-Play Super-Resolution for Arbitrary Blur Kernels’的注释版，旨在配合作者在博客中的论文解析，便于读者理解。该论文主要关注如何使用深度神经网络（DNN）处理...
适用于任意模糊内核的深度即插即用超分辨率（DPSR论文笔记-2019CVPR）
sinat_40097871的博客
10-22 5319
Deep Plug-and-Play Super-Resolution for Arbitrary Blur Kernels (适用于任意模糊内核的深度即插即用超分辨率) 源码包：https://github.com/cszn/DPSR 论文下载：https://arxiv.org/abs/1903.12529 来源：CVPR19年论文 论文背景： 现存在的方法主要是针对广泛使用的双三次退化而设计...
文献阅读:Deep Plug-and-Play Super-Resolution for Arbitrary Blur Kernels(DPSR CVPR2019)
qq_20777119的博客
12-04 459
论文链接：https://arxiv.org/pdf/1903.12529.pdf 为什么我感觉这篇文章就是用了自己所为的合成和LR，然后跑了一下，最后就在自己方法合成的SR上结果好 和参考文献【65】非常相似啊.Kai Zhang, Wangmeng Zuo, and Lei Zhang. Learning a single convolutional super-resolution net...
论文解读: | (CVPR2019)《Deep Plug-and-Play Super-Resolution for Arbitrary Blur Kernels》
RaySunWHUT
12-06 5687
论文解读：《Deep Plug-and-Play Super-Resolution for Arbitrary Blur Kernels》 首先，奉上论文和代码： 论文链接: Deep Plug-and-Play Super-Resolution for Arbitrary Blur Kernels 代码链接: https://github.com/cszn/DPSR Introduction ...
Learning a Deep Convolutional Network for Image Super-Resolution
03-04
Learning a Deep Convolutional Network for Image Super-Resolution
【机翻】Deep Plug-and-Play Super-Resolution for Arbitrary
weixin_30786657的博客
04-18 185
论文 (PDF) Deep Plug-and-Play Super-Resolution for Arbitrary Blur Kernels https://www.researchgate.net/publication/332109956_Deep_Plug-and-Play_Super-Resolution_for_Arbitrary_Blur_Kernels 源码： GitHub ...
DPSR-适用于任意模糊内核的深度即插即用超分辨率
程序员深度学习
12-17 2354
1. 背景 现存在的方法主要是针对广泛使用的双三次退化而设计的，对于任意模糊核的超分辨率低分辨率图像仍然存在根本性的挑战。 本文是一种基于双三次退化的深度SISR算法框架，利用即插即用框架对任意模糊核的LR图像进行处理，设计了一个新的SISR退化模型，以利用现有的盲去模糊方法进行模糊核估计。为了优化新的退化诱导能量函数，我们通过变量分裂技术推导了一个即插即用算法，该算法允许我们插入任何超分解先验...
CVPR 2019 神奇的超分辨率算法DPSR：应对图像模糊降质（其实就是个垃圾）
Arthur_Holmes的博客
01-10 2397
https://github.com/cszn/DPSR 上两幅图像中上面为低分辨率模糊图像，下面大图来自几天前刚出来的超分辨率算法DPSR的结果。在我们的印象中，往往超分辨率后的图像会看起来轻微模糊，但该算法能够将模糊的低分辨率图像放大，而且更清晰。 作者已将代码开源： https://github.com/cszn/DPSR DPSR算法来自论文《Deep...
探索DPSR：一种高效且可扩展的深度学习超分辨率框架
gitblog_00027的博客
04-25 612
探索DPSR：一种高效且可扩展的深度学习超分辨率框架 项目简介 是一个基于深度学习的图像超分辨率（Super-Resolution）开源项目，由研究者Cszn开发。该项目旨在提供一个快速、准确和可扩展的解决方案，以提高低分辨率图像的质量，使其接近或达到高分辨率图像的清晰度。在数字媒体处理、摄影、游戏开发等领域，DPSR有着广泛的应用潜力。 技术分析 DPSR的核心是采用了深度卷积神经网络（Deep...
DPSR
求真、务实
04-23 1692
testsets/real_imgs/LR 图片 chip.png chip_kernel.png colour.png colour_kernel.png frog.png 尺寸 109x55 7x7 668x455 99x99 500x375 testsets/real_imgs/x4_dpsr 图片 chip.png chip_x2.png chip_x3....
DPSR随手笔记
weixin_30315905的博客
04-18 777
降质模型 MAP： 转载于:https://www.cnblogs.com/wxl845235800/p/10732445.html
即插即用+任意blur的超分辨率重建——DPSR
zcg1942的博客
07-28 1279
https://arxiv.org/pdf/1903.12529.pdf
CVPR 2019 | 神奇的超分辨率算法DPSR：应对图像模糊降质 附代码
爱CV
05-13 1830
在我们的印象中，往往超分辨率后的图像会看起来轻微模糊，但该算法能够将模糊的低分辨率图像放大，而且更清晰。 DPSR算法来自论文《Deep Plug-and-Play Super-Resolution for Arbitrary Blur Kernels》： 作者分别来自哈工大、香港理工大学、深圳鹏城实验室、阿里达摩院。 从论文标题看，它可以应对任意模糊核的图像模糊降质。 以往，超分辨率研究中，往往使用双三次插值作为低分辨率图像获取的方式，但现实世界低分辨率图像不仅有...
meta-sr: a magnification-arbitrary network for super-resolution
03-16
Meta-SR是一种用于超分辨率的放大任意网络，它可以通过学习多个不同的放大因子来提高图像的分辨率。该网络使用元学习来自适应地选择最佳的放大因子，从而在不同的图像上获得更好的性能。Meta-SR是一种创新的超分辨率...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

十小大

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值