对比学习在图像恢复中的应用：AirNet与DASR的比较

对比学习[4,14,41]是最先进的无监督表示学习方法，其目标是最大化正样本对的相似性，同时最小化负样本对的相似性，其中正样本对和负样本对是通过数据增强获得的。最近的一些研究表明对比学习在图像恢复[43,47]中的有效性。值得注意的是，尽管DASR[43]和我们的AirNet都利用对比学习来捕捉退化信息，但在某些方面它们有显著的不同。首先，正负样本对的定义不同。事实上，对比学习的成功在很大程度上取决于正负样本对的构建，这也是一些工作的重点[4]。其次，任务不同。简而言之，DASR专门设计用于图像超分辨率，而AirNet则是为了处理多种退化问题。第三，尽管任务不同，DASR需要指定图像超分辨率的比例，而AirNet不需要任何退化参数。