任意模糊核的深度即插即用超分辨率（Deep Plug-and-Super-Resolution for Arbitrary Blur Kernels）

Deep Advanced Plug-and-Play High-Resolution Reconstruction Techniques for Various Blur Kernels

本文在构建基于深度神经网络的框架下，在现有技术基础上进一步优化与改进，并在此框架下提出了一种更具实用性的退化模型。该方法通过引入简单的简单超分辨率先验替代传统的高斯先验，并结合插件式的架构设计，在理论上实现了对任意模糊内核LR图像的高效重建过程。
摘要：
本文在构建基于深度神经网络的框架下，在现有技术基础上进一步优化与改进，并在此框架下提出了一种更具实用性的退化模型。

1、为什么提出：
基于双三次降解的技术构建了单图像超分辨率深度神经网络模型。该方法在处理具有任意模糊内核的低分辨率图像时实现超分辨率重建成为一个技术难题。
2、插件式的图像重建算法凭借模块化架构能够灵活地集成降噪先验模块。本研究提出了一种新型的可变分裂算法以优化新的降解诱导能量函数。
该算法能够灵活地嵌入各种超分辨率重建先验而不局限于传统的降噪先验方法。
3：本研究提出的方法是在双三次降解模型的基础上结合了新型可变分裂算法来实现对任意模糊核低分辨率图像的超分辨率重建。

新型SISR退化模型展示了卓越性能，
其显著优势在于能够高效利用现有的盲去模糊技术来推断模糊核信息。
研究团队成功提出了一种新型退化模型，
将半二次分裂算