AnimeSR：可学习的降质算子与新的真实世界动漫VSR数据集

Xintao大佬团队的又一力作，本篇论文 『AnimeSR: Learning Real-World Super-Resolution Models for Animation Videos』针对真实动漫VSR提出了一个新的动画数据集，此外将真实世界降质算子扩展成可学习的算子，在NIQE等评价指标上实现了SOTA。

• 作者单位：腾讯PCG ARC实验室

• 论文链接：https://arxiv.org/pdf/2206.07038

本文汇总了三个实现动漫VSR的三个关键改进措施：

1. 最近的真实世界VSR方法的退化大多使用没有学习能力的基本算子，如模糊、噪声和压缩。本文建议从真实的LQ动画中学习这些基本算子，并将学习到的算子加入到退化过程中。这种基于神经网络的基本操作可以帮助更好地捕捉真实退化的分布。

2. 建立了一个大尺度的HQ动画数据集AVC，以便对动画VSR进行训练和评估。

3. 研究了一种高效的多尺度网络结构AnimeSR，它利用了单向循环网络的高效性和滑窗方法的有效性，达到比以前先进的方法更好的性能。