1 传统方案

https://blog.csdn.net/caomin1hao/article/details/81092134?utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7Eessearch%7Evector-7.no_search_link&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7Eessearch%7Evector-7.no_search

最近邻插值(Nearest-neighbor)
双线性插值(Bilinear)
双三次插值(bicubic)

2 基于CNN的实现方案

2.1 SRCNN

2014年提出的 SRCNN 是首个利用 CNN 实现超分辨率的方式。

SRCNN 流程为：

• 1）模型的输入为 LR，利用 bicubic 算法将其放大为目标尺寸；
• 2）将经过处理的 LR 图像输入网络，经过 CNN 处理得到 SR 图像；
• 3）将 SR 图像与目标 HR 图像作对比，利用 MSE 作为 Loss，不断优化，做到 SR 与 HR 图像尽可能相似。

2.2 WeChat AI

3 基于GAN的实现方案

3.1 SRGAN

3.2 ESRGAN

3.3 Real-ESRGAN

4 基于GAN的QR Code的实现方案

（1）基于SRGAN模型

验证可行性

ESRGAN

Real-ESRGAN

（2）Generator

基于SRCNN的方式，预处理输入LR图片

（3）Discriminator

提取feature map，计算content loss

根据识别率计算adversarial loss

（4）去掉BN层

像素级生成任务

保持图像原本的对比度信息

（5）模型蒸馏