閱讀筆記 — Image Super-Resolution Using Deep Convolutional Networks

1. 網絡結構。

2. 主要内容：

1. 不适定問題 (ill-posed problem)

   适定問題是指定解滿足下面三個要求的問題：① 解是存在的；② 解是唯一的；③ 解連續依賴于定解條件，即解是穩定的。這三個要求中，隻要有一個不滿足，則稱之為不适定問題。

   由于從低精度圖檔推高精度圖檔有多種可能解，是以 image super-resolution 也是一個不适定問題。

   這種問題通常都是通過獲得先驗資訊限制解的範圍。是以不管是文中提到的利用同一圖像的内部相似性或者example-based method，都是得到更多的先驗資訊。

2. 同時處理 RGB channel

   這篇文章分析了訓練在YCbCr channel 和RGB channel的效果。總的可以分為以下幾種。

   (1) 同時訓練 YCbCr 三個通道，這種情況的效果最差，原因是因為 Y 通道和 Cb Cr 通道本身性質不同。

   (2) 如果 pre_train Y 或者 Cb Cr channel，再 fine-tuning 另外的通道，效果比 (1) 好，但還是比 Y-only 差。

   總結：以上兩點證明了 Cb， Cr channel對 Y channel 的學習效果會造成負面影響。

   (3) CbCr 通道的效果在 pre-train Y channel 的model 中 比 pre-train CbCr 的model中的效果還要好，文中的解釋為 pre-train Y channel 的 model 會比 pre-train CbCr 的 model 激活更多的 filter，是以會使得最終的CbCr 通道的效果更好。

   (4) 同時訓練 RGB 的效果最好。

3. 深度越深，效果不會變得更好

   文中的解釋為越深的網絡訓練越困難，同時網絡容易陷在局部最優點。

4. 這種 end-to-end 的方法，不僅可以用來類比SC 做 SR，還能同時實作 SR + denoising 的任務。