非寧靜無以致遠。

我們在之前兩篇部落格,深度學習應用到影象超解析度重建1, 深度學習應用到影象超解析度重建2已經介紹了一些影象超分辨的基礎了， 下面我們繼續分享一些最新的一些論文。之前只是想稍微簡單介紹一下每一篇文章，但是寫著寫著發現寫的越來越多，聯想的就越來越多了。將所有的內容放到一篇文章可能顯得有點冗雜，所以自己將每一篇文章單獨寫了一個部落格，然後給了相應的傳送門。

1. CrossNet: An End-to-end Reference-based Super Resolution Network using Cross-scale Warping (ECCV, 2018)

傳送門：文獻閱讀:CrossNet: An End-to-end Reference-based Super Resolution Network using Cross-scale Warping

2. Multi-scale Residual Network for Image Super-Resolution (ECCV, 2018)

傳送門: 文獻閱讀:Multi-scale Residual Network for Image Super-Resolution

3. Fast, Accurate, and Lightweight Super-Resolution with Cascading Residual Network (ECCV, 2018)

傳送門: 文獻閱讀:Fast, Accurate, and Lightweight Super-Resolution with Cascading Residual Network

4. SRFeat: Single Image Super-Resolution with Feature Discrimination (ECCV, 2018)

傳送門: 文獻閱讀:SRFeat: Single Image Super-Resolution with Feature Discrimination

5. Image Super-Resolution Using Very Deep Residual Channel Attention Networks (ECCV, 2018)

傳送門: 文獻閱讀:Image Super-Resolution Using Very Deep Residual Channel Attention Networks

6. To learn image super-resolution, use a GAN to learn how to do image degradation first (ECCV, 2018)

傳送門: 文獻閱讀:To learn image super-resolution, use a GAN to learn how to do image degradation first

7. ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks (ECCV18 Workshops )

文章地址： https://arxiv.org/abs/1809.00219
作者的專案地址： https://github.com/xinntao/ESRGAN

8. Analyzing Perception-Distortion Tradeoff using Enhanced Perceptual Super-resolution Network（ECCV2018 Workshops）

文章地址：EPSR
作者的專案地址：https://github.com/subeeshvasu/2018_subeesh_epsr_eccvw

9. Video Super-Resolution Using Non-Simultaneous Fully Recurrent Convolutional Network (TIP 2019)

文章地址： 暫無
作者的專案地址：暫無

這裡我們還介紹幾篇寫的比較好的部落格:

1. 知乎: 深度學習端到端超解析度方法發展歷程（二）
2. 量子位：超解析度技術如何發展？這6篇ECCV 18論文帶你一次盡覽
3. 知乎: 超解析度重建相關網站整理（持續更新）
4. github: Single-Image-Super-Resolution
5. 知乎：現在low-level vision的熱點方向是什麼？

影象超分辨技術發展的還是比較快的，不管是影象超分辨重建，影象去噪，影象去馬賽克,這些都有著千絲萬縷的關係。我們都可以將好的思想借鑑MRI重建當中。另外，最近的sr的專案基本上都是pytorch寫的～