摘要

在本报告中，我们展示了在相同的参数设置和计算预算下，ReLU激活前具有更宽特征的模型在单幅图像超分辨率（SISR）任务中表现出显著更好的性能。所提出的超分辨率残差网络在每个残差块的激活前拥有较窄的身份映射路径，但通道数却增加了2到4倍。为了进一步增加激活宽度（6到9倍），同时不增加计算开销，我们引入了线性低秩卷积到超分辨率网络中，从而实现了更好的精度与效率权衡。此外，与批量归一化或不进行归一化相比，我们发现使用权重归一化训练可以提高深度超分辨率网络的精度。我们提出的超分辨率网络 WDSR 在大规模DIV2K图像超分辨率基准测试中，在相同或更低的计算复杂度下取得了更高的PSNR值。基于WDSR的方法还在NTIRE 2018单幅图像超分辨率挑战赛的所有三个现实赛道中获得了第一名。实验和消融研究支持了宽激活对图像超分辨率的重要性。代码已发布在：https://github.com/JiahuiYu/wdsr_ntire2018