图像修复之denoising，super-resolution reconstruction（待更）

降噪/去噪（denoising），超分辨率重建（super-resolution reconstruction）

1、Image Restoration Using Very Deep Convolutional Encoder-Decoder Networks with Symmetric Skip Connections 2016，解决去噪和超分等。

重点：Symmetric skip connections，对称网络中的skip connections（resnet、u-net）。

说明：Table 1和2是去噪实验，Table 3和4是超分实验，dl方法（没有加skip connections）RED10已经碾压非dl方法（传统），增强型RED20和30也是全面碾压。

更详细的结果可参考

[1603.09056] Image Restoration Using Very Deep Convolutional Encoder-Decoder Networks with Symmetric Skip Connections

[1606.08921] Image Restoration Using Convolutional Auto-encoders with Symmetric Skip Connections。

2、Loss Functions for Image Restoration with Neural Networks 2017，解决去马赛克和噪声（joint demosaicking plus denoising），超分，JPEG伪影去除。

重点：联合损失函数（多尺度SSIM+L1）。

说明：去马赛克和噪声，好于BM3D；超分好于双线性。虽然对比实验较弱，但是也一定程度说明dl方法好些。可能论文的网络结构并非精心设计。

参考链接：

1.https://www.zhihu.com/question/265840229/answer/302510840