<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>ESRGAN on Mi&amp;Bee Blog</title><link>/tags/esrgan/</link><description>Recent content in ESRGAN on Mi&amp;Bee Blog</description><generator>Hugo -- gohugo.io</generator><language>zh-CN</language><managingEditor>蓝宝石的傻话</managingEditor><lastBuildDate>Wed, 24 Jun 2026 10:00:00 +0800</lastBuildDate><atom:link href="/tags/esrgan/rss.xml" rel="self" type="application/rss+xml"/><item><title>现代超分辨率——ESRGAN 到扩散模型</title><link>/posts/physical-world/modern-super-resolution-esrgan-diffusion/</link><pubDate>Wed, 24 Jun 2026 10:00:00 +0800</pubDate><guid>/posts/physical-world/modern-super-resolution-esrgan-diffusion/</guid><description>&lt;h2 id="从-srgan-到-esrgan2018"&gt;从 SRGAN 到 ESRGAN（2018）&lt;/h2&gt;
&lt;p&gt;SRGAN（Super-Resolution GAN）在 2016 年首次将生成对抗网络（GAN）引入超分辨率领域，通过感知损失（perceptual loss）生成的图像在视觉质量上显著超越了传统的 PSNR 优化方法。但 SRGAN 仍有改进空间——2018 年 Wang 等人提出的 &lt;strong&gt;ESRGAN&lt;/strong&gt;（Enhanced Super-Resolution GAN）在四个关键方向上进行了优化。&lt;/p&gt;</description></item></channel></rss>