論文の概要: Invertible Image Rescaling
- arxiv url: http://arxiv.org/abs/2005.05650v1
- Date: Tue, 12 May 2020 09:55:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-03 18:51:04.334910
- Title: Invertible Image Rescaling
- Title(参考訳): 可逆画像再スケーリング
- Authors: Mingqing Xiao, Shuxin Zheng, Chang Liu, Yaolong Wang, Di He, Guolin
Ke, Jiang Bian, Zhouchen Lin, and Tie-Yan Liu
- Abstract要約: Invertible Rescaling Net (IRN) を開発した。
我々は、ダウンスケーリングプロセスにおいて、指定された分布に従う潜在変数を用いて、失われた情報の分布をキャプチャする。
- 参考スコア(独自算出の注目度): 118.2653765756915
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: High-resolution digital images are usually downscaled to fit various display
screens or save the cost of storage and bandwidth, meanwhile the post-upscaling
is adpoted to recover the original resolutions or the details in the zoom-in
images. However, typical image downscaling is a non-injective mapping due to
the loss of high-frequency information, which leads to the ill-posed problem of
the inverse upscaling procedure and poses great challenges for recovering
details from the downscaled low-resolution images. Simply upscaling with image
super-resolution methods results in unsatisfactory recovering performance. In
this work, we propose to solve this problem by modeling the downscaling and
upscaling processes from a new perspective, i.e. an invertible bijective
transformation, which can largely mitigate the ill-posed nature of image
upscaling. We develop an Invertible Rescaling Net (IRN) with deliberately
designed framework and objectives to produce visually-pleasing low-resolution
images and meanwhile capture the distribution of the lost information using a
latent variable following a specified distribution in the downscaling process.
In this way, upscaling is made tractable by inversely passing a randomly-drawn
latent variable with the low-resolution image through the network. Experimental
results demonstrate the significant improvement of our model over existing
methods in terms of both quantitative and qualitative evaluations of image
upscaling reconstruction from downscaled images.
- Abstract(参考訳): 高解像度デジタル画像は通常、様々なディスプレイ画面に適合するようにスケールダウンしたり、ストレージと帯域幅のコストを節約したりする。
しかし、典型的なイメージダウンスケーリングは、高周波情報の欠落による非射影マッピングであり、逆アップスケーリング手順の不備を招き、ダウンスケールされた低解像度画像から詳細を復元する上で大きな課題となる。
画像超解像法による単純なアップスケーリングは、不満足な回復性能をもたらす。
本研究では,画像アップスケーリングの異常な性質を軽減できる可逆的ビジェクティブ変換(invertible bijective transformation)という新たな視点から,ダウンスケーリングとアップスケーリングのプロセスをモデル化して,この問題を解決することを提案する。
本稿では,視覚的に高精細な低解像度画像を生成するためのフレームワークと目的を意図的に設計したインバータブル・リスケーリング・ネット(irn)を開発した。
このようにして、ネットワークを介して低解像度の画像でランダムに描画された潜在変数を逆に通過させることで、スケールアップが容易になる。
実験の結果, ダウンスケール画像からの画像高スケール再構成の定量的, 質的評価から, 既存手法と比較して, モデルが有意な改善を示した。
関連論文リスト
- DiracDiffusion: Denoising and Incremental Reconstruction with Assured
Data-Consistency [32.2120650813129]
拡散モデルは、画像復元を含む多数のコンピュータビジョンタスクにおいて、この技術の新たな状態を確立した。
逆問題解決のための新しい枠組みを提案する。つまり、観測は徐々に劣化し、元のクリーンイメージにノイズを与える劣化過程から来ていると仮定する。
本手法は, 逆過程を通じて元の計測値との整合性を維持し, 歪み指標の改善と早期ストッピングによるサンプリング高速化のために, 知覚品質のトレードオフに優れた柔軟性を実現する。
論文 参考訳(メタデータ) (2023-03-25T04:37:20Z) - Cross-resolution Face Recognition via Identity-Preserving Network and
Knowledge Distillation [12.090322373964124]
クロスレゾリューション顔認識は、現代の深層顔認識システムにとって難しい問題である。
本稿では,低分解能画像の低周波成分に蓄積される識別情報にネットワークを集中させる新しい手法を提案する。
論文 参考訳(メタデータ) (2023-03-15T14:52:46Z) - Invertible Rescaling Network and Its Extensions [118.72015270085535]
本研究では,新たな視点から双方向の劣化と復元をモデル化する,新しい可逆的枠組みを提案する。
我々は、有効な劣化画像を生成し、失われたコンテンツの分布を変換する可逆モデルを開発する。
そして、ランダムに描画された潜在変数とともに、生成された劣化画像に逆変換を適用することにより、復元可能とする。
論文 参考訳(メタデータ) (2022-10-09T06:58:58Z) - Learning Discriminative Shrinkage Deep Networks for Image Deconvolution [122.79108159874426]
本稿では,これらの用語を暗黙的にモデル化する識別的縮小関数を学習することで,効果的に非盲検デコンボリューション手法を提案する。
実験結果から,提案手法は最先端の手法に対して,効率と精度の点で好適に動作することがわかった。
論文 参考訳(メタデータ) (2021-11-27T12:12:57Z) - Spatially-Adaptive Image Restoration using Distortion-Guided Networks [51.89245800461537]
空間的に変化する劣化に苦しむ画像の復元のための学習ベースソリューションを提案する。
本研究では、歪み局所化情報を活用し、画像中の困難な領域に動的に適応するネットワーク設計であるSPAIRを提案する。
論文 参考訳(メタデータ) (2021-08-19T11:02:25Z) - Deep Variational Network Toward Blind Image Restoration [55.33102369856991]
ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。
両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。
画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
論文 参考訳(メタデータ) (2020-08-25T03:30:53Z) - Low-Rank and Total Variation Regularization and Its Application to Image
Recovery [6.288398111817322]
本稿では、各反復における(重み付けされた)値しきい値を用いた緩和問題を解くための効率的な反復スキームを提案する。
提案アルゴリズムは,画像の復元において,最先端の手法よりも優れた性能を示すことを示す。
論文 参考訳(メタデータ) (2020-03-12T10:37:49Z) - Gated Fusion Network for Degraded Image Super Resolution [78.67168802945069]
本稿では,基本特徴と回復特徴を別々に抽出する二分岐畳み込みニューラルネットワークを提案する。
特徴抽出ステップを2つのタスク非依存ストリームに分解することで、デュアルブランチモデルがトレーニングプロセスを容易にすることができる。
論文 参考訳(メタデータ) (2020-03-02T13:28:32Z)
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。