笔者：SijunMa
全文：https://www.cnblogs.com/SijunMa/articles/17367497.html
摘要：随着移动的设备和显示硬件的发展，对实用SR技术的需求已经增加。当前最先进的SR方法是基于DNN以获得更好的质量。然而，它们在通过使用并行计算模块（例如GPU）执行时是可行的，并且难以应用于诸如终端用户软件、智能电话和电视机的一般用途。我们用小感受野训练深度SR网络，并将学习的深度模型的输出值传递到LUT。在测试时，我们从查询LR输入像素的LUT中检索预先计算的HR输出值。由于不需要大量的浮点运算，因此所提出的方法可以非常快地执行。实验结果表明了该方法的有效性和实用性。特别是，我们的方法运行速度更快，同时显示出更好的质量相比，双三次插值。
由以下结果可以看出，该算法的运算时间与插值算法相近，而PSNR高了很多。
