2020 CVPR，使用生成模型实现人脸超分辨（其实没怎么看懂这篇论文，菜菜…..）。这篇论文没有去学习LR到HR的映射，而是采取了类似于自监督学习的方式去做，使得生成图像下采样后和LR图像更加接近。同时约束搜索空间，使得生成的高分辨图像更加真实。
首先论文提出基于MSE的LR-HR优化会导致输出图像高频区域模糊，而改进版本也没有很好的解决这个问题。一个示意图如下所示:
论文约束生成的SR图像通过两种约束，一个是无论生成的SR图像是什么样的，其down-sample之后要和LR图像保持一致性，通过下面的这个公式满足:
其次要保证生成的图像是自然的，通过GAN实现。这里对生成器输入的随机变量z进行约束，这里将原有的高斯先验替换成一个更强的先验，这个地方没看懂在干啥，示意图如下：
论文是在人脸超分辨这个领域做的，可能是因为人脸有更强的先验比较容易学习，效果还是比较惊艳的，图可以去看原论文。