CVPR workshops-2017

首尔大学

code：

• https://github.com/limbee/NTIRE2017/tree/master
• https://github.com/sanghyun-son/EDSR-PyTorch

---

---

1 Background and Motivation

single image super-resolution（SISR）aims to reconstruct a high-resolution image $I^{SR}$ from a single low-resolution image $I^{LR}$

$I^{LR}$ 和 $I^{SR}$ 的关系因应用场景而异，比如 bicubic downsampled 关系，blur，decimation（抽取） or noise

现有方法要么网络结构设计的不太稳定，要么 treat super-resolution of different scale factors as independent problems

作者设计了 single-scale SR model——enhanced deep super-resolution network（EDSR），和 multi-scale deep super-resolution system (MDSR)

2 Related Work

learn mapping functions between $I^{LR}$ and $I^{HR}$ image pairs

learning methods from neighbor embedding to sparse coding

第一篇用 DCNN 做 SR 的《Learning a deep convolutional network for image super-resolution》（ICCV-2014）

encoder

3 Advantages / Contributions

提出 single-scale SR model EDSR（改进了 residual block）和 multi-scale SR model MDSR（新结构）

Our proposed single-scale and multi-scale models have achieved the top ranks in both the standard benchmark datasets and the DIV2K dataset.

4 Method

4.1 Residual blocks

applying ResNet architecture directly to low-level vision problems like super-resolution can be suboptimal.

作者学习 SRResNet 去掉了 skip connection 后的 ReLU，在此基础上，又去掉了 BN，去掉 BN 的理由如下：

they get rid of range flexibility from networks by normalizing the features, it is better to remove them

4.2 Single-scale model

upsample 是 x2 or x3 or x4，根据任务要求来

---

深度为 B 宽度为 F 的网络 occupy $O(BF)$ memory with $O(B{F}^2)$

提升宽度可以显著提升 model capacity，但是 inception-v4 中观察到 if filters number（width） 超过 1000，网络迭代后会慢慢死掉（average pooling 之前的 layer的输出为0），作者加大宽度的时候也会遇到这个问题，解决办法， Scaling of the Residuals——【Inception-v4】《Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning》

factor 0.1

---

作者用 x2 的模型作为预训练，来训练 x4 的，效果比直接从头开始训练 x4 的要好

4.3 Multi-scale model

不知道 Single-scale model 的基础上直接多尺度输出，效果 OK 不

这样多少有点冗余的感觉

训练的时候，对应任务部分才训练，其余部分都冻住，例如训练 x2 SR 的时候，x3 和 x4 相关 resblock 被冻结

construct the minibatch with a randomly selected scale among ×2, ×3 and ×4.

Only the modules that correspond to the selected scale are enabled and updated

Baseline 参数量比较小，MDSR 中等，EDSR 设计的比较大

单个 MDSR 网络肯定是大的，但比起 3个同等规模的 EDSR 来说，会省下一些参数量

5 Experiments

we use the RGB input patches of size 48×48 from LR image with the corresponding HR patches.

5.1 Datasets and Metrics

Datasets

• DIV2K：2K resolution
• Set5
• Set14
• B100
• Urban100
• NTIRE 2017 Super-Resolution Challenge

评价指标

• peak signal-to-noise ratio (PSNR)
• SSIM

5.2 Geometric Self-ensemble

就是 TTA——test time augmentation 吧

作者用 flip 和 rotation 产生另外 7 种包含原始输入共 8 种 inputs，推理后， inverse transform to those output images，最后 8个结果平均

eg 顺时针旋转 30 度的图 SR 后，逆时针转 30 回来

上面表达式中 $n$ 表示输入图片的索引，i 是 transformation 的索引

LR = low resolution

SR = super resolution

论文中如果用了 Geometric Self-ensemble，模型名称后面会有个 +

5.3 Evaluation on DIV2K Dataset

作者用 L1 loss 替换 L2 loss，从第一列和第二列结果对比来看，L1 要好

其实抛开参数量谈效果，很流氓，但作者也说了这篇文章的 motivation，this work is initially proposed for the purpose of participating in the NTIRE2017 Super-Resolution Challenge——技术报告

5.4 Benchmark Results

效果对比起来看，确实 OK

5.5 NTIRE2017 SR Challenge

6 Conclusion（own）

• applying ResNet architecture directly to low-level vision problems like super-resolution can be suboptimal.
• geometric self-ensemble is valid only for symmetric downsampling methods such as bicubic downsampling