图优化与深度图超分辨率：DGOSR 读书笔记
DGOSR 通过 Kronecker 分解与 ADMM 展开网络，在降低 56 倍参数量的同时实现 SOTA 深度图超分辨率。
#深度学习
共 2 篇文章，按时间从近到远排列。
-
- LGCNet 解读：从像素一致性到梯度一致性
LGCNet 发现闪光/非闪光图像的梯度差服从拉普拉斯分布，将跨模态一致性从像素域提升到梯度域，并通过 ADMM 展开实现可解释的去噪网络。
共 2 篇文章，按时间从近到远排列。
DGOSR 通过 Kronecker 分解与 ADMM 展开网络，在降低 56 倍参数量的同时实现 SOTA 深度图超分辨率。
LGCNet 发现闪光/非闪光图像的梯度差服从拉普拉斯分布，将跨模态一致性从像素域提升到梯度域，并通过 ADMM 展开实现可解释的去噪网络。