摘要
近期提出的深度超分辨率网络的前馈架构学习了低分辨率输入的表示以及这些输入到高分辨率输出的非线性映射。然而，这种方法未能充分解决低分辨率图像和高分辨率图像之间的相互依赖关系。为此，我们提出了一种深度反投影网络（Deep Back-Projection Networks, DBPN），该网络利用迭代上采样和下采样层，为每个阶段的投影误差提供反馈机制。我们构建了互连的上采样和下采样阶段，每个阶段代表不同类型的图像退化和高分辨率组件。研究表明，将这一思想扩展至允许在上采样和下采样阶段之间连接特征（密集DBPN）可以进一步提高超分辨率重建效果，在多个数据集上特别是对于较大的放大倍数（如8倍）取得了优越的结果，并建立了新的技术标杆。