Fast Image/Video Upsampling

本文发表于sa08，文章提出了一种基于图像成像过程(Image Formation Process)的提升采样算法，可以应用于图像与视频超分。文章主要的idea是使用一个反馈网络（包括逆卷积，重新计算卷积，像素替换，其中像素替换过程是本文的一个创新点）对原始图像进行迭代计算，文中提出的算法可以较好的保持原图的局部结构信息。与其他的算法相比，本文的算法有如下好处：

1. 不需要额外的训练数据来学习一些结构特征，因此应用范围较广，但是与基于学习的算法相比对原始图像的要求更高；
2. 尽管算法设计是基于图像成像过程的提升采样，但是算法对其他模型的效果也很好，甚至可以直接应用到视频的提升采样中，并且在保持连贯性上表现十分出色；
3. 这个算法的效率很高，可以推广到实时计算上。
   

相关文献可参阅:http://www.cse.cuhk.edu.hk/~leojia/projects/upsampling/upsampling_sa08.pdf