并非所有的降质都是相同的：针对性特征去噪框架用于可泛化的图像超分辨率

于红博

摘要: 通用图像超分辨率旨在增强模型在未知降级情况下的泛化能力。为实现这一目标，期望模型仅关注图像内容相关特征，而不是过度拟合降级。最近，许多方法如Dropout和特征对齐已被提出，以抑制模型对降级的自然过度拟合倾向，并取得了令人期待的结果。然而，这些研究假设模型对所有降级类型（如模糊、噪音、JPEG）都存在过拟合，而通过本文的仔细调查，我们发现模型主要对噪音过度拟合，这主要归因于其与其他降级类型不同的降级模式。在本文中，我们提出了一个针对特征去噪的框架，包括噪音检测和去噪模块。我们的方法提出了一个通用解决方案，可以无缝集成到现有的超分辨率模型中，而无需进行架构修改。我们的框架在五个传统基准和数据集上展现了优越的性能，涵盖了合成和现实场景。

更新时间: 2025-09-18 11:04:51

领域: cs.CV,cs.AI

下载: http://arxiv.org/abs/2509.14841v1