論文の概要: Proba-V-ref: Repurposing the Proba-V challenge for reference-aware super resolution

• arxiv url: http://arxiv.org/abs/2101.10200v2
• Date: Tue, 26 Jan 2021 08:32:46 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-15 03:43:32.569980
• Title: Proba-V-ref: Repurposing the Proba-V challenge for reference-aware super resolution
• Title（参考訳）: Proba-V-ref:参照認識超解像におけるProba-Vチャレンジの再考
• Authors: Ngoc Long Nguyen, J\'er\'emy Anger, Axel Davy, Pablo Arias, Gabriele Facciolo
• Abstract要約: PROBA-Vデータセットでは、高分解能目標に対応する低分解能画像が特定できない。 本稿では,低解像度系列の参照画像を提供するproba-vデータセットの変種を提案する。 これは、マルチイメージスーパーリゾリューション(MISR)の多くの実用的なユースケースに関連しており、目的はシリーズの特定の画像をスーパーリゾリューションすることです。
• 参考スコア（独自算出の注目度）: 12.088552338953047
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The PROBA-V Super-Resolution challenge distributes real low-resolution image series and corresponding high-resolution targets to advance research on Multi-Image Super Resolution (MISR) for satellite images. However, in the PROBA-V dataset the low-resolution image corresponding to the high-resolution target is not identified. We argue that in doing so, the challenge ranks the proposed methods not only by their MISR performance, but mainly by the heuristics used to guess which image in the series is the most similar to the high-resolution target. We demonstrate this by improving the performance obtained by the two winners of the challenge only by using a different reference image, which we compute following a simple heuristic. Based on this, we propose PROBA-V-REF a variant of the PROBA-V dataset, in which the reference image in the low-resolution series is provided, and show that the ranking between the methods changes in this setting. This is relevant to many practical use cases of MISR where the goal is to super-resolve a specific image of the series, i.e. the reference is known. The proposed PROBA-V-REF should better reflect the performance of the different methods for this reference-aware MISR problem.
• Abstract（参考訳）: PROBA-Vスーパーリゾリューションチャレンジは、実際の低解像度画像シリーズと対応する高リゾリューションターゲットを配布し、衛星画像のためのマルチイメージスーパーリゾリューション(MISR)の研究を進めます。 ただし、PROBA-Vデータセットでは、高解像度ターゲットに対応する低解像度画像は特定されません。 この挑戦は、MISRのパフォーマンスだけでなく、シリーズ内のどの画像が最も高解像度のターゲットに似ているかを推測するために使用されるヒューリスティックによって提案された方法にランク付けされていると我々は主張する。 簡単なヒューリスティックに追従して計算した,異なる参照画像を使用することで,課題の2人の勝者が獲得した性能を改善することで,これを実証する。 これに基づいて、低解像度系列の参照画像を提供するPROBA-Vデータセットの変種であるPROBA-V-REFを提案し、この設定で方法間のランキングが変化することを示す。 これはMISRの多くの実用的なユースケースに関連しており、目的はシリーズの特定のイメージをスーパーリゾルジョンすることである。 参照が知られている。 提案した PROBA-V-REF は、この参照型MISR 問題に対する異なる手法の性能を反映する。

関連論文リスト

• LMR: A Large-Scale Multi-Reference Dataset for Reference-based Super-Resolution [86.81241084950524]
  参照ベース超解像(RefSR)は、単一の画像超解像(SISR)と比較して、類似した高品質な画像を参照することで優れた結果が得られると広く合意されている。 以前のRefSR手法はすべて単一参照イメージトレーニングに重点を置いているが、複数の参照イメージはテストや実用的なアプリケーションでしばしば利用できる。 我々はLMRと呼ばれる大規模なマルチ参照超解像データセットを構築し、300x300のトレーニング画像の112,142グループを含み、これは既存の最大のRefSRデータセットの10倍である。
  論文  参考訳（メタデータ） (2023-03-09T01:07:06Z)
• Reference-based Image and Video Super-Resolution via C2-Matching [100.0808130445653]
  本稿では,C2-Matchingを提案する。 C2-Matchingは、標準的なCUFED5ベンチマークにおいて、最先端のアーツを著しく上回っている。 また、類似シーンで撮影された画像がHR参照画像として機能するため、C2-Matchingを参照ベースでビデオスーパーリゾリューションタスクに拡張する。
  論文  参考訳（メタデータ） (2022-12-19T16:15:02Z)
• Learning Resolution-Adaptive Representations for Cross-Resolution Person Re-Identification [49.57112924976762]
  低解像度(LR)クエリIDイメージと高解像度(HR)ギャラリーイメージとの整合性を実現する。 実際のカメラとの違いにより、クエリ画像が分解能の低下に悩まされることがしばしばあるため、これは困難かつ実用的な問題である。 本稿では,問合せ画像の解像度に適応する動的計量を用いて,HRとLRの画像を直接比較するためのSRフリーなパラダイムについて検討する。
  論文  参考訳（メタデータ） (2022-07-09T03:49:51Z)
• Resolution based Feature Distillation for Cross Resolution Person Re-Identification [17.86505685442293]
  人物の再識別(re-id)は、異なるカメラビューで同一人物の画像を取得することを目的としている。 解像度のミスマッチは、興味のある人とカメラの間の距離が異なるため起こる。 本稿では,複数の解像度の問題を克服するために,分解能に基づく特徴蒸留(RFD)アプローチを提案する。
  論文  参考訳（メタデータ） (2021-09-16T11:07:59Z)
• Attention-based Multi-Reference Learning for Image Super-Resolution [29.361342747786164]
  本稿では,新しいアテンションに基づくマルチ参照超解像ネットワークを提案する。 類似したテクスチャを複数の参照画像から超解像出力に適応的に転送する。 最先端の参照超解像法よりも性能が大幅に向上する。
  論文  参考訳（メタデータ） (2021-08-31T09:12:26Z)
• 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)
• MASA-SR: Matching Acceleration and Spatial Adaptation for Reference-Based Image Super-Resolution [74.24676600271253]
  本稿では、RefSRのためのMASAネットワークを提案し、これらの問題に対処するために2つの新しいモジュールを設計する。 提案したMatch & extract Moduleは、粗大な対応マッチング方式により計算コストを大幅に削減する。 空間適応モジュールは、LR画像とRef画像の分布の差を学習し、Ref特徴の分布を空間適応的にLR特徴の分布に再マップする。
  論文  参考訳（メタデータ） (2021-06-04T07:15:32Z)
• Robust Reference-based Super-Resolution via C2-Matching [77.51610726936657]
  超解像(Ref-SR)は、最近、高分解能(HR)参照画像を導入して、低分解能(LR)入力画像を強化するための有望なパラダイムとして登場した。 既存のRef-SR法は主に暗黙の対応に頼り、参照画像からHRテクスチャを借用し、入力画像の情報損失を補う。 本稿では,C2-Matchingを提案する。
  論文  参考訳（メタデータ） (2021-06-03T16:40:36Z)
• Deep High-Resolution Representation Learning for Cross-Resolution Person Re-identification [22.104449922937338]
  人物再識別(re-ID)は、異なるカメラから同一人物像と同一人物像をマッチングする問題に取り組む。 この問題を解決するために,PS-HRNet(Deep High-Resolution Pseudo-Siamese Framework)を提案する。 提案したPS-HRNetは,MLR-Market-1501,MLR-CUHK03,MLR-VIPeR,MLR-DukeMTMC-reID,CAVIARデータセット上でRan-1で3.4%,6.2%,2.5%,1.1%,4.2%の改善を行った。
  論文  参考訳（メタデータ） (2021-05-25T07:45:38Z)
• LAPAR: Linearly-Assembled Pixel-Adaptive Regression Network for Single Image Super-Resolution and Beyond [75.37541439447314]
  単一画像超解像(SISR)は、低解像度(LR)画像を高解像度(HR)バージョンにアップサンプリングする根本的な問題を扱う。 本稿では,線形組立画素適応回帰ネットワーク (LAPAR) を提案する。
  論文  参考訳（メタデータ） (2021-05-21T15:47:18Z)

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。