論文の概要: SRWarp: Generalized Image Super-Resolution under Arbitrary Transformation

• arxiv url: http://arxiv.org/abs/2104.10325v1
• Date: Wed, 21 Apr 2021 02:50:41 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-22 14:27:06.911733
• Title: SRWarp: Generalized Image Super-Resolution under Arbitrary Transformation
• Title（参考訳）: SRWarp: 任意変換による画像超解法
• Authors: Sanghyun Son and Kyoung Mu Lee
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 65.88321755969677
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Deep CNNs have achieved significant successes in image processing and its applications, including single image super-resolution (SR). However, conventional methods still resort to some predetermined integer scaling factors, e.g., x2 or x4. Thus, they are difficult to be applied when arbitrary target resolutions are required. Recent approaches extend the scope to real-valued upsampling factors, even with varying aspect ratios to handle the limitation. In this paper, we propose the SRWarp framework to further generalize the SR tasks toward an arbitrary image transformation. We interpret the traditional image warping task, specifically when the input is enlarged, as a spatially-varying SR problem. We also propose several novel formulations, including the adaptive warping layer and multiscale blending, to reconstruct visually favorable results in the transformation process. Compared with previous methods, we do not constrain the SR model on a regular grid but allow numerous possible deformations for flexible and diverse image editing. Extensive experiments and ablation studies justify the necessity and demonstrate the advantage of the proposed SRWarp method under various transformations.
• Abstract（参考訳）: 深層cnnは、sr(single image super- resolution)を含む画像処理およびそのアプリケーションで大きな成功を収めている。 しかし、従来の方法は、x2 や x4 など、いくつかの所定の整数スケーリング因子を利用する。 したがって、任意の目標解像度が必要な場合、適用は困難である。 近年のアプローチでは、制限に対処するためのアスペクト比が変化しても、実際の値のアップサンプリング要因にまで範囲を広げている。 本稿では,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。 従来の画像ワープタスク,特に入力が拡大された場合には,空間的に変化するSR問題として解釈する。 また, 適応整合層やマルチスケールブレンディングなどの新しい定式化を提案し, 変換過程における視覚的に好ましい結果を再構成する。 従来の方法と比較して,srモデルを正規格子上に制約するのではなく,柔軟で多様な画像編集のための変形を多用できる。 大規模な実験とアブレーション研究は、様々な変換の下で提案されたSRWarp法の利点を正当化し、証明する。

関連論文リスト

• Perception-Distortion Trade-off in the SR Space Spanned by Flow Models [21.597478894658263]
  フローベース生成超解法(SR)モデルは、SR空間と呼ばれる、実現可能なSRソリューションの多様なセットを生成することを学ぶ。 本稿では,ランダムなアーチファクトを排除し,知覚品質を著しく損なうことなく忠実さを向上する単一SR画像を得るための,単純だが効果的な画像アンサンブル/融合手法を提案する。
  論文  参考訳（メタデータ） (2022-09-18T13:12:21Z)
• 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)
• Hierarchical Similarity Learning for Aliasing Suppression Image Super-Resolution [64.15915577164894]
  エイリアスの影響を抑制するために階層画像超解像ネットワーク(HSRNet)を提案する。 HSRNetは、他の作品よりも定量的かつ視覚的なパフォーマンスを向上し、エイリアスをより効果的に再送信する。
  論文  参考訳（メタデータ） (2022-06-07T14:55:32Z)
• Single Image Super-Resolution Methods: A Survey [0.0]
  スーパーレゾリューション(英: Super- resolution, SR)は、同じシーンの1つ以上の低解像度の観測から高解像度の画像を得る過程である。 近年、この人気はビデオ処理領域に広がり、リアルタイムに動作するSRモデルの開発期間にまで及んでいる。 本稿では、単一画像処理を専門とするSRモデルの比較を行い、それらが長年にわたって様々な目的や形状にどのように取り組んできたのかを概観する。
  論文  参考訳（メタデータ） (2022-02-17T12:01:05Z)
• Blind Image Super-Resolution via Contrastive Representation Learning [41.17072720686262]
  マルチモーダルおよび空間変動分布を持つ画像のブラインドSRに着目したコントラスト表現学習ネットワークを設計する。 提案したCRL-SRは,ブラインド設定下でのマルチモーダル・空間変動劣化を効果的に処理可能であることを示す。 また、最先端のSR手法を質的に、定量的に上回る。
  論文  参考訳（メタデータ） (2021-07-01T19:34:23Z)
• 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)
• 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)
• DDet: Dual-path Dynamic Enhancement Network for Real-World Image Super-Resolution [69.2432352477966]
  実画像超解像(Real-SR)は、実世界の高分解能画像(HR)と低分解能画像(LR)の関係に焦点を当てている。 本稿では,Real-SRのためのデュアルパス動的拡張ネットワーク(DDet)を提案する。 特徴表現のための大規模な畳み込みブロックを積み重ねる従来の手法とは異なり、非一貫性のある画像対を研究するためのコンテンツ認識フレームワークを導入する。
  論文  参考訳（メタデータ） (2020-02-25T18:24:51Z)

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。