Fugu-MT 論文翻訳(概要): Image Restoration by Solving IVP

論文の概要: Image Restoration by Solving IVP

arxiv url: http://arxiv.org/abs/2101.08987v3
Date: Fri, 5 Feb 2021 03:33:12 GMT
ステータス: 処理完了
システム内更新日: 2021-03-21 02:31:14.066289
Title: Image Restoration by Solving IVP
Title（参考訳）: ivp解決による画像復元
Authors: Seobin Park and Tae Hyun Kim
Abstract要約: 任意のスケール画像超解法を解くために,画像超解法の新しい定式化を導入する。提案された新しいSR製剤に基づいて、複数のスケールの超解像だけでなく、超解像プロセスのパフォーマンスを分析する新しい方法を見つけることができます。
参考スコア（独自算出の注目度）: 7.26562478548988
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Recent research on image restoration have achieved great success with the aid of deep learning technologies, but, many of them are limited to dealing SR with realistic settings. To alleviate this problem, we introduce a new formulation for image super-resolution to solve arbitrary scale image super-resolution methods. Based on the proposed new SR formulation, we can not only super-resolve images with multiple scales, but also find a new way to analyze the performance of super-resolving process. We demonstrate that the proposed method can generate high-quality images unlike conventional SR methods.
Abstract（参考訳）: 近年の画像復元の研究はディープラーニング技術の助けを借りて大きな成功を収めているが、その多くが現実的な設定でSRを扱うことに限定されている。そこで本研究では, 画像の高分解能化のための新しい定式化手法を提案する。提案する新しいsr法に基づいて,複数のスケールで超解像するだけでなく,超解像プロセスの性能を分析する新しい方法を見いだすことができる。提案手法は従来のSR法とは異なり,高品質な画像を生成することができることを示す。

関連論文リスト

Learning from Multi-Perception Features for Real-Word Image Super-resolution [87.71135803794519]
入力画像の複数の知覚的特徴を利用する新しいSR手法MPF-Netを提案する。本稿では,MPFEモジュールを組み込んで,多様な知覚情報を抽出する手法を提案する。また、モデルの学習能力を向上する対照的な正規化項(CR)も導入する。
論文参考訳（メタデータ） (2023-05-26T07:35:49Z)
Variational AutoEncoder for Reference based Image Super-Resolution [27.459299640768773]
本稿では,任意の画像がスーパーレゾリューションの参照として機能する参照ベース画像スーパーレゾリューションを提案する。ランダムマップや低解像度画像自体を使用しても、提案したRefVAEは、超解像への参照から知識を転送することができる。
論文参考訳（メタデータ） (2021-06-08T04:12:38Z)
SRWarp: Generalized Image Super-Resolution under Arbitrary Transformation [65.88321755969677]
ディープCNNは、単一の画像超解像を含む画像処理とそのアプリケーションで大きな成功を収めています。近年のアプローチでは、実測値のアップサンプリング要因にまで範囲を広げている。任意の画像変換に向けてSRタスクをさらに一般化するSRWarpフレームワークを提案する。
論文参考訳（メタデータ） (2021-04-21T02:50:41Z)
Interpretable Deep Multimodal Image Super-Resolution [23.48305854574444]
マルチモーダル画像超解像(Multimodal image super- resolution, SR)は、高分解能画像の再構成である。本稿では,結合した疎結合を組み込んだマルチモーダルディープネットワーク設計を行い,他のモーダルからの情報を再構成プロセスに効果的に融合させる。
論文参考訳（メタデータ） (2020-09-07T14:08:35Z)
Deep Iterative Residual Convolutional Network for Single Image Super-Resolution [31.934084942626257]
我々は、ISRResCNet(Deep Iterative Super-Resolution Residual Convolutional Network)を提案する。残差学習アプローチを用いて、深層ネットワークを反復的に訓練することにより、強力な画像正規化と大規模最適化手法を活用する。トレーニング可能なパラメータがいくつかある本手法は,最先端の手法と比較して,異なるスケーリング要因に対する結果を改善する。
論文参考訳（メタデータ） (2020-09-07T12:54:14Z)
SRFlow: Learning the Super-Resolution Space with Normalizing Flow [176.07982398988747]
超解像度は、与えられた低解像度画像の複数の予測を可能にするため、不適切な問題である。出力の条件分布を学習できる正規化フローベース超解法SRFlowを提案する。我々のモデルは、単一損失、すなわち負のログ類似度を用いて、原則的に訓練されている。
論文参考訳（メタデータ） (2020-06-25T06:34:04Z)
Mapping Low-Resolution Images To Multiple High-Resolution Images Using Non-Adversarial Mapping [6.302374268077337]
まず第一に、SISRの問題は、低解像度画像と全候補高解像度画像との1対1のマッピング問題である、と我々は主張する。本稿では,高解像度画像から高解像度画像への変換方法を学ぶモデルを提案する。
論文参考訳（メタデータ） (2020-06-21T04:14:24Z)
Invertible Image Rescaling [118.2653765756915]
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。
論文参考訳（メタデータ） (2020-05-12T09:55:53Z)
Structure-Preserving Super Resolution with Gradient Guidance [87.79271975960764]
単一画像超解像(SISR)の構造最近のGAN(Generative Adversarial Network)による研究は、SISRの開発を促進している。しかし、復元された画像には常に望ましくない構造歪みがある。
論文参考訳（メタデータ） (2020-03-29T17:26:58Z)
PULSE: Self-Supervised Photo Upsampling via Latent Space Exploration of Generative Models [77.32079593577821]
PULSE (Photo Upsampling via Latent Space Exploration) は、それまで文献になかった解像度で高解像度でリアルな画像を生成する。本手法は, 従来よりも高分解能, スケールファクターの知覚品質において, 最先端の手法よりも優れていた。
論文参考訳（メタデータ） (2020-03-08T16:44:31Z)

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。