摘要
先前提出的深度超分辨率网络的前馈架构主要学习低分辨率输入的特征及其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和高分辨率图像之间的相互依赖关系。我们提出了一种深度反投影网络（Deep Back-Projection Networks，DBPN），该网络在2018年NTIRE和PIRM图像超分辨率挑战赛中获胜，利用了迭代上采样和下采样层。这些层构成一个单元，为投影误差提供反馈机制。我们构建了相互连接的上采样和下采样单元，每个单元代表不同类型的低分辨率和高分辨率组件。此外，我们将这一理念进一步扩展，展示了在网络设计方面的新见解，例如在投影模块中实现参数共享以及在投影步骤中引入过渡层。实验结果表明，该方法在多个数据集上取得了优异的表现，并特别在大尺度因子（如8倍）的情况下建立了新的最先进水平。