圖像超解析度就業前景如何？

01-03

本人西部某末流211小碩，由於跨考對於圖像方面基礎不是太好。導師比較好，第一年帶自己的研究生，對我比較上心，給我的定位是他做什麼我做什麼。目前他是做醫學影像的圖像超分。目前沒有讀博打算，一心想進互聯網。

12月6日更新

昨天拿到了新買的華為Mate10，在打開微信朋友圈的時候，發現華為已經把SR技術用到朋友圈圖片查看功能了。另外從微信觀看一些視頻網站的視頻，視頻也是經過SR處理的。

後來搜了一下，發現上個月華為發布了這麼一個PR

業界 | 華為推出新型HiSR：移動端的超解析度演算法

華為mate10的童鞋可以體驗一下，你會發現，微信朋友圈同一張圖，mate10上看到的效果和其他手機看到的效果是不一樣的，mate10上的圖片經過了SR增強處理。

上面提到的，微信公眾號里的電影也會經過處理。我驗證過的一個公眾號

感興趣的可以自己驗證一下。

朋友圈裡的圖片，有一些會被處理，有一些又不會被處理，不知道他們的業務邏輯是什麼。

============================================

謝邀！既然有回答提到我司ulsee，說點我掌握的吧。【涉及公司業務部分的不能講太細緻，請見諒】

圖像超分辨是我研究比較深入的topic。總的來說，對於實際場景，目前已知公開的演算法並沒有robust, off-the-shelf的解決方案。

圖像超解析度有single frame和multi-frame兩種情況，應用場景有關鍵場景和非關鍵場景兩類。就大家想像的，（例如美劇FBI用的超解析度技術，某個監控場景抓到嫌疑人出現的影像，但是原始畫面看不清楚，然後點幾下，畫面就增強了，人臉就清晰了），就是關鍵場景，這種要做出效果，必然要使用multi-frame的方法，單幀是沒有可能的。當然，單幀也有它的應用場景。

回到題主的問題上，圖像超解析度就業前景好不好？這個問題很難給出一個籠統的回答說，好，還是不好。簡單的來說，如果你能把現有演算法在實際場景的性能往前拱一步，那你就有了非常大的價值，就業前景自然不用講；反之，如果你對現有演算法都消化得不是很好的話，不能擴展公司現有的知識體系的話，就業前景一般般。

為什麼這麼說？因為據我了解，至今有多家公司嘗試商業化圖像超分辨這個技術，但是成功的案例，我只知道兩個：1，去年6月被Twitter收購的一家初創公司，magic pony；2，一家美國公司motionDSP，2005年創立的。

magic pony做的是非關鍵場景，單幀圖像超解析度演算法；motionDSP做的是關鍵場景，多幀圖像超解析度。

其他的，我所知道的有，大華一度研發過關鍵場景多幀圖像超解析度技術，但是因為效果不行，項目被停了。

說這些是什麼意思？就是說，想把圖像超解析度技術商業化，並不是那麼容易。問題的核心在於：實際場景怎麼用，性能才有保證？

關於實際場景怎麼提升？因為涉及公司目前在研的一些項目，不方便講太細緻。總的來說就是，理解消化現有圖像超解析度演算法的pros and cons，然後找到能發揮它們作用的應用場景，不要指望能訓練一個超級model能handle all the cases。應用場景具體化後，我們還是能利用圖像超解析度技術做一些事情的。

最後，發兩個我們現在能做到的結果的示例。

原始視頻幀

用我們的演算法放大3倍的結果【左側】，以及和motionDSP的對比

原始視頻幀

用我們的演算法放大3倍的結果

這兩個例子都是用多幀圖像超解析度技術實現的。第一個視頻序列是motionDSP提供的測試視頻，第二個序列是我自己用手機拍攝的，故意將解析度設置為最低的模式。

兩個測試視頻可以通過下面的鏈接下載到

https://pan.baidu.com/s/1o779Fei

感興趣的同學可以下來試試你的演算法。如果有做出比我更好的結果，非常歡迎來撩我！

我認為圖像超解析度復原前景很廣闊，有兩個原因：

第一：目前技術上超解析度復原在技術上還有很多需要突破的地方，商湯在深圳有專門的部門在做，另外還有一些專門解決實時性的公司（如帝視科技）。另外演算法和場景有直接關係，比如目前的演算法對人臉復原效果一般，最新的一些工作也在關注這個子任務，這個對安防是很有用的。

第二：超解析度復原使用場景很多。舉個之前和某手機品牌的人聊天的例子，大家都知道現在手機拍照放大是「假放大」吧？手機廠家很希望能通過軟體把「假放大」的圖片像素變大，這樣可以間接地實現「真放大」節約硬體成本。除了上面說的人臉復原，其他還有針對漢字、車牌、醫療方面有fMRI復原。

最後安利一個我的超解析度實現，這是重新實現學長 SRGAN 的論文，他們公司專門做這個領域，後來被Twitter收購了。連接： zsdonghao/SRGAN

另外樓主做醫療超分的話，可以看看這篇文章：https://arxiv.org/abs/1705.07137

超解析度對於互聯網意義重大，我記得有個統計互聯網上80%的數據流量是圖片和視頻，基於超解析度來做傳輸，可以提速傳輸、節省流量，減少存儲空間。

超解析度也能用於提高感測器成像精度，提高識別率，在cv、機器人、工業自動化領域有重要的作用。

但是

這些跟大多數公司都無關，超解析度演算法很快會被集成到Nvidia GPU或者iOS、Android這樣的硬體和os底層，就像H.264一樣，成為一個標準的、通用的介面，每隔幾年出一個新標準。

我們也曾想過用超解析度來壓縮遊戲包體，提高傳輸速度，但想想過段時間就會有開源版本和開放標準，就沒有動手做了。

這種技術基石的演算法，要麼是大公司做，要麼是開源組織做，崗位並不多。

做圖像一定就得去互聯網嗎？

海康，大華，商湯，曠視，虹軟，vivo/oppo，ulsee，圖森。。。去處很多，不要講眼光就放在互聯網公司。。。

另外，超分是很有用的，但個人感覺目前好像不太熱？存疑

但是，不是你在學校做什麼，入職了就繼續做什麼。現在技術革新這麼快，怎麼可能全都會，大部分都得現學不是。關鍵是要有一個好的基礎，學習能力是最重要的。平時也可以多涉獵一些其它方向的技術，多讀讀論文。

至於你現在做的，最好能有一個能拿的出手的成果，比較好的項目經歷。這也是找工作的加分項。

怎麼會有人說工業界沒什麼需求，只能水論文。

目前超解析度在工業界的需求，最簡單也最繞不開的一點：

節省網路帶寬，能用1/2解析度的圖還原出原始解析度的圖。而且它是可以和圖像壓縮疊加著用的

未來完全替代掉前面用頻域的專家壓縮手段也是有可能的。

一年給公司，尤其BAT 頭條，快手這類的公司，節省網路帶寬支出如果沒有幾十億元你來找我。哪個流量大的公司，都需要做超解析度

這不是進互聯網完全對口嘛：

騰訊QQ空間超解析度技術TSR：為用戶節省3/4流量，處理效果和速度超谷歌RAISR | 雷鋒網

謝邀。我曾經測試過幾個頂尖開源的演算法效果，只能說這些演算法僅能適用於某些圖片條件範圍，比如png格式的低解析度圖復原效果最好，jpg最低壓縮質量不能低於40%，否則會出現不可恢復的失真。超分演算法在工業界上並沒有一個公認的演算法技術敢說能恢復一切的低清圖片，基本各種SOTA的演算法都是在png格式的數據集中訓練的，然而工業界中並不可能所有都是png，更多的都是jpg。目前正在撰寫一篇測試各種超分演算法的文章，寫了30%左右，這裡先挖個坑，後續寫完發在這裡。

再說說工業應用，超分確實很有應用場景，比如人臉識別、車牌識別以及題主說的醫學影像方面，但目前演算法都僅僅在實驗室條件下有用，在工業的效果沒想像的那麼好，因為工業界的條件實在太嚴苛了。

應屆生找工作，公司很少在意你之前做了啥，只在意你之前工作中體現的學習能力。

我碩士期間的工作主要圍繞圖像，但秋招找工作時，面對nlp、推薦系統這些崗位，面試官不止一次強調讓我不用顧慮這些，他們很歡迎學習能力強的學生。

謝邀！

這個方向在醫學圖像處理上還是很有前途的，尤其是目前癌症多發，超解析度圖像處理在癌症的早期診斷中起到了舉足輕重的作用。

個人認為要比互聯網有前途。但是難度也是有的，因為即成的研究比較少，可以參考的東西就少，很多情況需要自己去想演算法。

所以不僅要考慮這個方向的前景，還要考慮自己的情況，看是不是適合！

假如選了這個方向，結果沒有做出成果來，也沒有學到關鍵技術，那就業還不如互聯網，互聯網上手比較容易。假如圖像超解析度學的不錯，將來可以去研究所之類就業，那麼起點自然比互聯網高了，所以建議你綜合考慮一下！

醫療電子公司挺多的啊，聯影，明峰做pet,ct。

不過轉互聯網能轉也不錯，以圖紙演算法切入。

個人認為這個專業前景是非常不錯的，現在的應用前景很可觀，覺得題主不用為自己基礎差而擔心，研究生這幾年多的是時間給你好好鑽研基礎提高自己，做的夠好，導師在你找工作方面也會幫助你的。

謝邀。首先，導師親自帶，知足吧。另外未來這個領域實在是不要太火。。有條件的互聯網公司都在加碼中。。再者，phd歡迎你。

第一，你選擇超分這一領域進行研究，很好。畢竟是有市場需求，畢業後去工業界有加成。

第二，你可以把這個領域稍微拓廣一下，研究圖像復原。

第三，你現在研究的東西不一定是你工作時候要研究的東西。

謝邀，題主我不是這個方向的。也不太了解。很抱歉不能回答了

手機行業挺火熱的，不錯的專業。畢竟我也不懂

研究生超分辨，現在醫學圖像處理，配准

行了樓上都散了吧，別自己騙自己了，題主最後肯定會脫坑的，超分這樣的問題水文章就行了，公司沒什麼需求