論文の概要: Unsupervised Real Image Super-Resolution via Generative Variational
AutoEncoder
- arxiv url: http://arxiv.org/abs/2004.12811v1
- Date: Mon, 27 Apr 2020 13:49:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-09 06:14:55.972241
- Title: Unsupervised Real Image Super-Resolution via Generative Variational
AutoEncoder
- Title（参考訳）: 生成変分オートエンコーダによる教師なし実画像超解法
- Authors: Zhi-Song Liu, Wan-Chi Siu, Li-Wen Wang, Chu-Tak Li, Marie-Paule Cani,
Yui-Lam Chan
- Abstract要約: 古典的な例に基づく画像超解法を再考し、知覚的画像超解法のための新しい生成モデルを考案する。
本稿では,変分オートエンコーダを用いた共同画像デノベーションと超解像モデルを提案する。
判別器の助けを借りて、超分解能サブネットワークのオーバーヘッドを加味して、分解された画像をフォトリアリスティックな視覚的品質で超解凍する。
- 参考スコア（独自算出の注目度）: 47.53609520395504
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Benefited from the deep learning, image Super-Resolution has been one of the
most developing research fields in computer vision. Depending upon whether
using a discriminator or not, a deep convolutional neural network can provide
an image with high fidelity or better perceptual quality. Due to the lack of
ground truth images in real life, people prefer a photo-realistic image with
low fidelity to a blurry image with high fidelity. In this paper, we revisit
the classic example based image super-resolution approaches and come up with a
novel generative model for perceptual image super-resolution. Given that real
images contain various noise and artifacts, we propose a joint image denoising
and super-resolution model via Variational AutoEncoder. We come up with a
conditional variational autoencoder to encode the reference for dense feature
vector which can then be transferred to the decoder for target image denoising.
With the aid of the discriminator, an additional overhead of super-resolution
subnetwork is attached to super-resolve the denoised image with photo-realistic
visual quality. We participated the NTIRE2020 Real Image Super-Resolution
Challenge. Experimental results show that by using the proposed approach, we
can obtain enlarged images with clean and pleasant features compared to other
supervised methods. We also compared our approach with state-of-the-art methods
on various datasets to demonstrate the efficiency of our proposed unsupervised
super-resolution model.
- Abstract（参考訳）: ディープラーニングの恩恵を受けたイメージスーパーレゾリューションは、コンピュータビジョンで最も発展している研究分野の1つだ。
判別器の使用の有無に応じて、深い畳み込みニューラルネットワークは、高い忠実度または知覚品質のイメージを提供することができる。
実生活における地上真実画像の欠如により、人々は忠実度の高いぼやけた画像よりも忠実度の低い写真実写画像を好む。
本稿では,古典的例に基づく画像超解法を再考し,知覚的画像超解法のための新しい生成モデルを提案する。
実画像に様々なノイズやアーティファクトが含まれていることを考慮し,可変オートエンコーダを用いた超解像モデルを提案する。
我々は、高濃度特徴ベクトルの参照を符号化する条件付き変分オートエンコーダを考案し、対象画像のデコードのためにデコーダに転送することができる。
判別器の助けを借りて、超高解像度サブネットワークのオーバヘッドを追加して、デノレーションされた画像をフォトリアリスティックな視覚品質でスーパーリゾルする。
我々はNTIRE2020 Real Image Super-Resolution Challengeに参加した。
実験の結果,提案手法を用いて,他の教師付き手法と比較して,清潔で快適な特徴を有する拡大画像が得られることがわかった。
また,提案手法を各種データセットの最先端手法と比較し,教師なし超解像モデルの有効性を実証した。
関連論文リスト
- AccDiffusion: An Accurate Method for Higher-Resolution Image Generation [63.53163540340026]
AccDiffusionは、パッチワイドの高解像度画像生成をトレーニングなしで正確に行う方法である。
本稿では,異なるパッチに対する同一のテキストプロンプトが繰り返しオブジェクト生成を引き起こすことを明らかにする。
私たちのAccDiffusionは、初めて、バニラ画像認識プロンプトをパッチコンテンツ認識プロンプトのセットに分離することを提案しています。
論文 参考訳（メタデータ） (2024-07-15T14:06:29Z) - ScaleCrafter: Tuning-free Higher-Resolution Visual Generation with
Diffusion Models [126.35334860896373]
本研究では,事前学習した拡散モデルから,トレーニング画像サイズよりもはるかに高解像度で画像を生成する能力について検討する。
注意ベースや共同拡散アプローチのような、高分解能な生成のための既存の研究は、これらの問題にうまく対処できない。
本稿では,推論中の畳み込み知覚場を動的に調整できる簡易かつ効果的な再拡張法を提案する。
論文 参考訳（メタデータ） (2023-10-11T17:52:39Z) - Learning Enriched Features for Fast Image Restoration and Enhancement [166.17296369600774]
本稿では,ネットワーク全体を通して空間的精度の高い高解像度表現を維持することを目的とする。
我々は、高解像度の空間的詳細を同時に保存しながら、複数のスケールからの文脈情報を組み合わせた豊富な特徴集合を学習する。
提案手法は,デフォーカス・デブロアリング,画像デノイング,超解像,画像強調など,さまざまな画像処理タスクに対して,最先端の処理結果を実現する。
論文 参考訳（メタデータ） (2022-04-19T17:59:45Z) - High-Frequency aware Perceptual Image Enhancement [0.08460698440162888]
マルチスケール解析に適した新しいディープニューラルネットワークを導入し,効率的なモデルに依存しない手法を提案する。
本モデルは,デノイング,デブロアリング,単一画像超解像などのマルチスケール画像強調問題に適用できる。
論文 参考訳（メタデータ） (2021-05-25T07:33:14Z) - A Generative Model for Hallucinating Diverse Versions of Super
Resolution Images [0.3222802562733786]
我々は、生成逆数モデルを用いて、同じ低解像度画像から異なる高解像度バージョンを得るという問題に取り組んでいる。
学習アプローチでは,高分解能画像の学習において,教師なしの保存と探索に高周波数を活用できる。
論文 参考訳（メタデータ） (2021-02-12T17:11:42Z) - Exploiting Raw Images for Real-Scene Super-Resolution [105.18021110372133]
本稿では,合成データと実撮影画像とのギャップを埋めるために,実シーンにおける単一画像の超解像化の問題について検討する。
本稿では,デジタルカメラの撮像過程を模倣して,よりリアルなトレーニングデータを生成する手法を提案する。
また、原画像に記録された放射情報を活用するために、2分岐畳み込みニューラルネットワークを開発した。
論文 参考訳（メタデータ） (2021-02-02T16:10:15Z) - Multi Scale Identity-Preserving Image-to-Image Translation Network for
Low-Resolution Face Recognition [7.6702700993064115]
本稿では,画像から画像へ変換する深層ニューラルネットワークを提案する。
アイデンティティ関連の情報を保存しながら、非常に低解像度の顔を高解像度の顔に超解き放つことができる。
論文 参考訳（メタデータ） (2020-10-23T09:21:06Z) - Deep Attentive Generative Adversarial Network for Photo-Realistic Image
De-Quantization [25.805568996596783]
減量子化は、高ビット深度画面に表示するための低ビット深度画像の視覚的品質を改善することができる。
本稿では,画像強度分解能の超解像を実現するためのDAGANアルゴリズムを提案する。
DenseResAttモジュールは、自己保持機構を備えた密集した残留ブロックで構成されている。
論文 参考訳（メタデータ） (2020-04-07T06:45:01Z) - Learning Enriched Features for Real Image Restoration and Enhancement [166.17296369600774]
畳み込みニューラルネットワーク(CNN)は、画像復元作業における従来のアプローチよりも劇的に改善されている。
ネットワーク全体を通して空間的精度の高い高解像度表現を維持することを目的とした,新しいアーキテクチャを提案する。
提案手法は,高解像度の空間的詳細を同時に保存しながら,複数のスケールからの文脈情報を組み合わせた豊富な特徴集合を学習する。
論文 参考訳（メタデータ） (2020-03-15T11:04:30Z) - Perceptual Image Super-Resolution with Progressive Adversarial Network [17.289101902846358]
Single Image Super-Resolution (SISR) は、小型の低画質画像の解像度を1つの画像から改善することを目的としている。
本稿では,現在最先端のアルゴリズムの性能を制限している理由として,次元の呪いを論じる。
本稿では,ドメイン固有画像の超解像化の難しさに対処できるプログレッシブ・アドバイサル・ネットワーク(PAN)を提案する。
論文 参考訳（メタデータ） (2020-03-08T10:19:34Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。