2021 CVPR，通过建模更好的kernel prior生成更合理的kernel，辅助目前现有的无监督SR方法（DDIP和kernelGAN）。
已有方法的问题
1.DDIP同时对blur和HR图像进行优化，但是对核空间的优化不应当在图像域上进行
2.kernelGAN的方法非常不稳定
3.DDIP方法和kernelGAN未能充分利用高斯核各向异性的先验去优化
论文提出的点
1.提出FKP方法进行kernel建模，FKP基于无监督方法训练，通过对输入的隐变量进行构建高斯模糊核得到
2.FKP用于DDIP和kernelGAN时，参数保持固定，对隐变量进行优化，从而搜索出更好的kernel
论文提出的方法
1.Flow-based Kernel Prior建模，这里设定的无监督损失函数是NLL loss，该部分结构如下（具体怎么弄得见原论文）：
2.对DDIP，优化目标和方法图如下，其中*表示优化目标：
3.对kernelGAN，优化目标和方法图如下，其中*表示优化目标：
思考
这篇论文算是对invertible网络在kernel建模上的应用，invertible网络直接在图像层面上的建模已经有了一些论文，而在kernel上的建模提供了另一条路，可否将其对其他low level的prior进行建模，或者和目前的unfolding的方法结合在一起，是一个可以思考的问题