今日，小米發(fā)布了的***論文，基于彈性搜索(宏觀+微觀)在超分辨率問(wèn)題上取得了令人震驚的結(jié)果。據(jù)介紹，此模型已經(jīng)開(kāi)源。

　　論文內(nèi)容顯示，在相當(dāng)?shù)腇LOPS下生成了多個(gè)模型，結(jié)果完勝ECCV 2018明星模型CARNM(乘加數(shù)參數(shù)數(shù)量少，PNSR/SSIM指標(biāo)高，文中稱dominate)，這應(yīng)該是截止至2018年可比FLOPS約束下的SOTA(涵蓋ICCV 2017和CVPR2018)。而達(dá)到這樣的效果，論文基于一臺(tái)V100用了不到3天時(shí)間。需要指出的是，該項(xiàng)技術(shù)具有一定的普適性，理論上可以應(yīng)用于任何監(jiān)督學(xué)習(xí)，值得關(guān)注和學(xué)習(xí)。

　　此外，論文還給出了幾個(gè)前向模型。要知道上一篇論文中他們初步結(jié)果是擊敗CVPR 2016，才半個(gè)月時(shí)間就提升這么大，這也進(jìn)一步驗(yàn)證了Automl NAS技術(shù)的強(qiáng)大和可怕。

　　論文地址：https://arxiv.org/pdf/1901.07261v2.pdf

　　什么是圖像的超分辨重構(gòu)技術(shù)(Super-Resolution)

　　圖像的超分辨重構(gòu)技術(shù)是指從一張或多張低分辨率的圖像中，重構(gòu)出相應(yīng)的高分辨率圖像。主要分為兩類，一是從單張低分辨率圖像中重建出高分辨率圖像。二是從多張低分辨率圖像中重建出高分辨率圖像。基于深度學(xué)習(xí)的SR，主要是基于單張圖像的重構(gòu)方法。其應(yīng)用領(lǐng)域非常廣泛，涉及軍事、醫(yī)學(xué)、地理等。

　　超分辨重構(gòu)和去噪、去網(wǎng)格、去模糊等問(wèn)題是類似的。對(duì)于一張低分辨圖像，可能會(huì)有多張高分辨圖像與之對(duì)應(yīng)，因此通常在求解高分辨率圖像時(shí)會(huì)加一個(gè)先驗(yàn)信息進(jìn)行規(guī)范化約束。在傳統(tǒng)的方法中，通常會(huì)先學(xué)習(xí)這個(gè)先驗(yàn)信息。而基于深度學(xué)習(xí)的SR方法，則是通過(guò)神經(jīng)網(wǎng)絡(luò)直接進(jìn)行從低分辨圖像到高分辨圖像的端到端的學(xué)習(xí)。