今天盘点了 CVPR 2019 所有超分辨率相关论文，总计16篇，其中多篇论文已经吸引了大量关注，比如旷视的Meta-SR、能够应对模糊降质的DPSR、Adobe的纹理迁移SR、国防科大的双目SR。

有多篇将SR应用于新场景的，比如3D对象表面SR、光场SR、高光谱图像SR（硬拼精度当然很难，换个场地也很有意义嘛）。

尤其值得一提的是，大部分论文已经开源了代码，下文将代码地址也一并列出了，对于想进一步研究的朋友，应该有很大帮助。感谢这些优秀的作者！

可以在这个页面搜索这些论文： http://openaccess.thecvf.com/CVPR2019.py
如果想要下载所有CVPR 2019论文及更多资源，请点击这里：CVPR2019 最全整理：全部论文下载，GitHub 源码汇总、直播视频、论文解读等

任意缩放因子的超分辨率方法

中国科技大学、中科院、旷视、清华

Meta-SR: A Magnification-Arbitrary Network for Super-Resolution

Xuecai Hu, Haoyuan Mu, Xiangyu Zhang, Zilei Wang, Tieniu Tan, Jian Sun

• 论文解读：CVPR 2019 | 旷视提出超分辨率新方法Meta-SR：单一模型实现任意缩放因子

迭代模糊核校正的盲超分辨率

香港中文大学、哈尔滨工业大学、中科院深圳先进技术研究院-商汤联合实验室

Blind Super-Resolution With Iterative Kernel Correction

Jinjin Gu, Hannan Lu, Wangmeng Zuo, Chao Dong

https://www.jasongt.com/projects/IKC.html

真实成像环境考虑分辨率和视野关系的镜头超分辨率

中国科技大学

Camera Lens Super-Resolution

Chang Chen, Zhiwei Xiong, Xinmei Tian, Zheng-Jun Zha, Feng Wu

https://github.com/ngchc/CameraSR

能够应对任意模糊核的即插即用深度超分辨率

哈尔滨工业大学、香港理工大学、鹏城实验室、阿里达摩院

Deep Plug-And-Play Super-Resolution for Arbitrary Blur Kernels

Kai Zhang, Wangmeng Zuo, Lei Zhang

• CVPR 2019 神奇的超分辨率算法DPSR：应对图像模糊降质

Raw图像的真实场景超分辨率，模拟真实成像过程生成训练数据，基于相机Raw数据进行超分辨率

商汤

Towards Real Scene Super-Resolution With Raw Images

Xiangyu Xu, Yongrui Ma, Wenxiu Sun

单幅图像超分辨，常微分方程启发的网络设计

中科院、中科院大学、阿里巴巴

ODE-Inspired Network Design for Single Image Super-Resolution

Xiangyu He, Zitao Mo, Peisong Wang, Yang Liu, Mingyuan Yang, Jian Cheng

https://github.com/HolmesShuan/OISR-PyTorch

反馈网络用于图像超分辨

四川大学、加州大学圣巴巴拉分校、大不列颠哥伦比亚大学、韩国仁川国立大学

Feedback Network for Image Super-Resolution

Zhen Li, Jinglei Yang, Zheng Liu, Xiaomin Yang, Gwanggil Jeon, Wei Wu

https://github.com/Paper99/SRFBN_CVPR19

用于视频超分辨率的循环反投影网络

日本丰田技术研究所、美国芝加哥丰田技术研究所

Recurrent Back-Projection Network for Video Super-Resolution

Muhammad Haris, Gregory Shakhnarovich, Norimichi Ukita

https://github.com/alterzero/RBPN-Pytorch

神经纹理迁移的图像超分辨率

Adobe、田纳西大学

Image Super-Resolution by Neural Texture Transfer

Zhifei Zhang, Zhaowen Wang, Zhe Lin, Hairong Qi

• CVPR 2019 | Adobe提出新型超分辨率方法：用神经网络迁移参照图像纹理

自然、逼真的单图像超分辨率

首尔国立大学

Natural and Realistic Single Image Super-Resolution With Explicit Natural Manifold Discrimination

Jae Woong Soh, Gu Yong Park, Junho Jo, Nam Ik Cho

https://github.com/JWSoh/NatSR

3D 表面超分辨

瑞士苏黎世联邦理工学院，微软

3D Appearance Super-Resolution With Deep Learning

Yawei Li, Vagia Tsiminaki, Radu Timofte, Marc Pollefeys, Luc Van Gool

https://github.com/ofsoundof/3D_Appearance_SR

快速时空残差网络，用于视频超分辨

武汉大学、悉尼大学

Fast Spatio-Temporal Residual Network for Video Super-Resolution

Sheng Li, Fengxiang He, Bo Du, Lefei Zhang, Yonghao Xu, Dacheng Tao

残差网络用于光场图像超分辨率

北京交通大学、北京航空航天大学

Residual Networks for Light Field Image Super-Resolution

Shuo Zhang, Youfang Lin, Hao Sheng

二阶注意力网络用于图像超分辨率

清华、鹏城实验室、香港理工大学、阿里达摩院

Second-Order Attention Network for Single Image Super-Resolution

Tao Dai, Jianrui Cai, Yongbing Zhang, Shu-Tao Xia, Lei Zhang

https://github.com/daitao/SAN

高光谱图像超分辨率

北京理工大学、日本国立情报学研究所、格灵深瞳

Hyperspectral Image Super-Resolution With Optimized RGB Guidance

Ying Fu, Tao Zhang, Yinqiang Zheng, Debing Zhang, Hua Huang

双目超分辨率算法，提出并行注意力模型

国防科技大学、盲信号处理重点实验室

Learning Parallax Attention for Stereo Image Super-Resolution

Longguang Wang, Yingqian Wang, Zhengfa Liang, Zaiping Lin, Jungang Yang, Wei An, Yulan Guo

• CVPR 2019 | 国防科大提出双目超分辨算法，效果优异代码已开源

推荐阅读：
CVPR 2019 论文大盘点-目标跟踪篇
CVPR 2019 论文大盘点—目标检测篇
CVPR 2019 论文大盘点-人脸技术篇
CVPR 2019 论文大盘点—文本图像相关篇

<p></p>

微信公众号: 极市平台（ID: extrememart ）
每天推送最新CV干货

</div>