题目：Low-Res Leads the Way: Improving Generalization for Super-Resolution by Self-Supervised Learning

中文题目：低分辨率引领方向：通过自监督学习提升超分辨率的泛化能力

作者：Haoyu Chen, Wenbo Li, Jinjin Gu, Jingjing Ren, Haoze Sun, Xueyi Zou, Zhensong Zhang, Youliang Yan, Lei Zhu

本论文提出了一种全新的低分辨率（Low-Resolution, LR）重建网络，专为从低分辨率图像中提取退化嵌入而设计。这项创新方法将监督学习与自监督学习相结合，显著提升了超分辨率（Super-Resolution, SR）模型的泛化能力，使其在未配对高分辨率（HR）数据的情况下也能实现高质量的图像重建。

通过大量实验证据表明，本方法在多个基准数据集上均超越了现有的最先进方法，尤其在处理复杂场景和真实场景时，展现出显著的性能优势。我们的模型在保持计算效率的同时，实现了更好的视觉质量和更强的泛化能力。