論文の概要: Kernel Agnostic Real-world Image Super-resolution
- arxiv url: http://arxiv.org/abs/2104.09008v1
- Date: Mon, 19 Apr 2021 01:51:21 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-20 13:51:59.544053
- Title: Kernel Agnostic Real-world Image Super-resolution
- Title(参考訳): カーネル非依存な実世界画像スーパーレゾリューション
- Authors: Hu Wang, Congbo Ma, Chunhua Shen
- Abstract要約: 実世界のイメージSR問題に対処するための新しいカーネル非依存SRフレームワークを紹介します。
提案手法では,劣化カーネルとノイズは明示的に指定するのではなく適応的にモデル化される。
実験は、複数の実世界のデータセットにおける提案フレームワークの有効性を検証する。
- 参考スコア(独自算出の注目度): 82.3963188538938
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recently, deep neural network models have achieved impressive results in
various research fields. Come with it, an increasing number of attentions have
been attracted by deep super-resolution (SR) approaches. Many existing methods
attempt to restore high-resolution images from directly down-sampled
low-resolution images or with the assumption of Gaussian degradation kernels
with additive noises for their simplicities. However, in real-world scenarios,
highly complex kernels and non-additive noises may be involved, even though the
distorted images are visually similar to the clear ones. Existing SR models are
facing difficulties to deal with real-world images under such circumstances. In
this paper, we introduce a new kernel agnostic SR framework to deal with
real-world image SR problem. The framework can be hanged seamlessly to multiple
mainstream models. In the proposed framework, the degradation kernels and
noises are adaptively modeled rather than explicitly specified. Moreover, we
also propose an iterative supervision process and frequency-attended objective
from orthogonal perspectives to further boost the performance. The experiments
validate the effectiveness of the proposed framework on multiple real-world
datasets.
- Abstract(参考訳): 近年,深層ニューラルネットワークモデルが様々な研究分野で見事な成果を上げている。
これに伴い、多くの注目が深層超解像(SR)アプローチに惹きつけられている。
既存の多くの手法は、直接ダウンサンプリングされた低解像度画像から高解像度画像を復元するか、あるいは単純さのために付加雑音を持つガウス分解核を仮定して試みている。
しかし、現実のシナリオでは、歪んだ画像が透明なものと視覚的に似ているにもかかわらず、非常に複雑なカーネルと非付加的なノイズが関与する可能性がある。
このような状況下では、既存のSRモデルは現実世界の画像を扱うのに困難に直面している。
本稿では,実世界の画像SR問題に対処する新しいカーネル非依存SRフレームワークを提案する。
フレームワークは、複数の主流モデルにシームレスにハングすることができる。
提案手法では,劣化カーネルとノイズは明示的に指定するのではなく適応的にモデル化される。
さらに,直交的視点から反復的な監督プロセスと周波数対応目標を提案し,さらなる性能向上を図る。
実験は、複数の実世界のデータセットにおける提案フレームワークの有効性を検証する。
関連論文リスト
- ACDMSR: Accelerated Conditional Diffusion Models for Single Image
Super-Resolution [84.73658185158222]
本稿では,ACDMSRと呼ばれる拡散モデルに基づく超解像法を提案する。
提案手法は, 決定論的反復分解過程を通じて超解像を行うために, 標準拡散モデルに適応する。
提案手法は,低解像度画像に対してより視覚的に現実的な表現を生成し,現実的なシナリオにおけるその有効性を強調した。
論文 参考訳(メタデータ) (2023-07-03T06:49:04Z) - RBSR: Efficient and Flexible Recurrent Network for Burst
Super-Resolution [57.98314517861539]
バースト超解像(BurstSR)は、高解像度(HR)画像を低解像度(LR)画像と雑音画像から再構成することを目的としている。
本稿では,効率よくフレキシブルなリカレントネットワークでフレーム単位のキューを融合させることを提案する。
論文 参考訳(メタデータ) (2023-06-30T12:14:13Z) - Blind Super-Resolution for Remote Sensing Images via Conditional
Stochastic Normalizing Flows [14.882417028542855]
本稿では、上記の問題に対処するために、正規化フロー(BlindSRSNF)に基づく新しいブラインドSRフレームワークを提案する。
BlindSRSNFは、低解像度(LR)画像が与えられた高解像度画像空間上の条件確率分布を、確率の変動境界を明示的に最適化することによって学習する。
提案アルゴリズムは,シミュレーションLRと実世界RSIの両方において,視覚的品質の優れたSR結果が得られることを示す。
論文 参考訳(メタデータ) (2022-10-14T12:37:32Z) - Single Image Internal Distribution Measurement Using Non-Local
Variational Autoencoder [11.985083962982909]
本稿では,非局所変分オートエンコーダ(textttNLVAE)という画像固有解を提案する。
textttNLVAEは,非局所領域からの非絡み合った情報を用いて高解像度画像を再構成する自己教師型戦略として導入された。
7つのベンチマークデータセットによる実験結果から,textttNLVAEモデルの有効性が示された。
論文 参考訳(メタデータ) (2022-04-02T18:43:55Z) - Kernel-aware Raw Burst Blind Super-Resolution [0.0]
バースト超解像(SR)は、低画質の画像からリッチな詳細を復元する可能性を提供する。
既存の非盲点ネットワークは、高解像度(HR)画像の復元において、パフォーマンスが著しく低下する。
本稿では,カーネル対応の変形可能なアライメントモジュールを提案する。
論文 参考訳(メタデータ) (2021-12-14T11:49:13Z) - Unsupervised Single Image Super-resolution Under Complex Noise [60.566471567837574]
本稿では,一般のSISRタスクを未知の劣化で扱うためのモデルベースunsupervised SISR法を提案する。
提案手法は, より小さなモデル (0.34M vs. 2.40M) だけでなく, より高速な技術 (SotA) 法 (約1dB PSNR) の現況を明らかに超えることができる。
論文 参考訳(メタデータ) (2021-07-02T11:55:40Z) - 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) - Designing a Practical Degradation Model for Deep Blind Image
Super-Resolution [134.9023380383406]
単一画像スーパーレゾリューション (sisr) 法は, 推定劣化モデルが実画像から逸脱した場合はうまく動作しない。
本稿では, ランダムにシャッフルされたブラー, ダウンサンプリング, ノイズ劣化からなる, より複雑で実用的な劣化モデルを提案する。
論文 参考訳(メタデータ) (2021-03-25T17:40:53Z) - Frequency Consistent Adaptation for Real World Super Resolution [64.91914552787668]
実シーンにスーパーリゾリューション(SR)法を適用する際に周波数領域の整合性を保証する新しい周波数一貫性適応(FCA)を提案する。
監視されていない画像から劣化カーネルを推定し、対応するLow-Resolution (LR)画像を生成する。
ドメイン一貫性のあるLR-HRペアに基づいて、容易に実装可能な畳み込みニューラルネットワーク(CNN)SRモデルを訓練する。
論文 参考訳(メタデータ) (2020-12-18T08:25:39Z)
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。