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

• Deep learning-based blind image super-resolution with iterative kernel reconstruction and noise estimation [3.2157163136267934]
  視覚障害者のためのIKR-Net(Iterative Kernel Reconstruction Network)を提案する。 IKR-Netは、特に動きのぼやけたノイズの多い画像に対して、ブラインドSISRの最先端の結果を達成する。
  論文  参考訳（メタデータ） (2024-04-25T12:27:22Z)
• 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)
• 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)
• Toward Real-world Image Super-resolution via Hardware-based Adaptive Degradation Models [3.9037347042028254]
  ほとんどの単一画像超解像法は、合成低分解能(LR)と高分解能(HR)画像対上で開発されている。 ハードウェアの知識を取り入れた未知の劣化過程をシミュレートする新しい教師付き手法を提案する。 実世界のデータセットを用いた実験により,我々の劣化モデルが所定の劣化操作よりも精度良くLR画像を推定できることが確認された。
  論文  参考訳（メタデータ） (2021-10-20T19:53:48Z)
• Generalized Real-World Super-Resolution through Adversarial Robustness [107.02188934602802]
  本稿では,実世界のSRに取り組むために,敵攻撃の一般化能力を活用したロバスト超解法を提案する。 我々の新しいフレームワークは、現実世界のSR手法の開発においてパラダイムシフトをもたらす。 単一のロバストモデルを使用することで、実世界のベンチマークで最先端の特殊な手法より優れています。
  論文  参考訳（メタデータ） (2021-08-25T22:43:20Z)
• Best-Buddy GANs for Highly Detailed Image Super-Resolution [71.13466303340192]
  我々は,低分解能(LR)入力に基づいて高分解能(HR)画像を生成する単一画像超解像(SISR)問題を考える。 このラインに沿ったほとんどのメソッドは、SISRタスクに十分な柔軟性がない、事前定義されたシングルLRシングルHRマッピングに依存しています。 リッチディテールSISRのためのベストバディGAN(Beby-GAN)を提案する。 イミュータブルな1対1の制約を緩和することで、推定されたパッチを動的に最高の監視を求めることができる。
  論文  参考訳（メタデータ） (2021-03-29T02:58:27Z)
• 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)
• Deep Cyclic Generative Adversarial Residual Convolutional Networks for Real Image Super-Resolution [20.537597542144916]
  我々は、LRとHRデータ分布間の領域整合性を維持するために、深い循環ネットワーク構造を考える。 本稿では,LRからHRドメインへの変換のためのGAN(Generative Adversarial Network)フレームワークを用いた学習により,超解像残留周期生成逆ネットワーク(SRResCycGAN)を提案する。
  論文  参考訳（メタデータ） (2020-09-07T11:11:18Z)

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。