yas*_*173 5 image-processing convolution neural-network deep-learning conv-neural-network
我正在研究一个超分辨率项目。现在，我使用转置卷积对图像进行上采样。但我听说很多次像素卷积可以做得更好。那么什么是亚像素卷积及其背后的数学原理？为什么它比转置卷积更好？（一些例子会很棒）
图像卷积以插值为中心。
子像素渲染基于这样一个事实：像素由三个颜色分量（水平方向上的 RGB）组成。白色区域边界上宽度为2/3的白色像素可以以伪色渲染为R G。特别是通过子像素渲染改进了字体渲染。
颜色分量的几何形状可能会有所不同，例如 BG R。错误的几何形状会破坏预期的额外清晰度。另请注意，正效应是在 x 轴上。
考虑像素#cccccc 三分之二宽度：例如#ffff00。和半像素#ff8800。或多或少。绿色成分的权重可能应该更高。
子像素卷积仅对这些子像素进行操作，而不是仅在像素级别进行操作。您的数据模型的 x 坐标分辨率提高了 3 倍，并以特殊方式组合三元组。
灰度图像可以最好地利用子像素渲染。
我应该说，我对子像素渲染很少做，而且当时它还相对较新。