轻量且高效的基于块状态的递归网络图像超分辨率

近期，一些基于深度学习的图像超分辨率方法通过堆叠大量层得以开发。然而，这种方法导致了模型体积过大和计算复杂度过高，因此也提出了一些递归参数共享的方法。尽管如此，这些设计未能充分挖掘递归操作的潜力。在本文中，我们提出了一种新颖、轻量且高效的超分辨率方法，通过引入基于块状态的递归网络来最大化递归架构的实用性。利用块状态的优势，我们模型中的递归部分可以轻松跟踪当前图像特征的状态。我们在模型体积、速度和效率方面展示了所提方法的优势。此外，我们还证明了该方法优于其他最先进的方法。