論文の概要: Blind Motion Deblurring Super-Resolution: When Dynamic Spatio-Temporal
Learning Meets Static Image Understanding
- arxiv url: http://arxiv.org/abs/2105.13077v1
- Date: Thu, 27 May 2021 11:52:45 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-28 16:19:11.338171
- Title: Blind Motion Deblurring Super-Resolution: When Dynamic Spatio-Temporal
Learning Meets Static Image Understanding
- Title(参考訳): 超解像を損なうブラインド運動:動的時空間学習が静的画像理解と出会うとき
- Authors: Wenjia Niu, Kaihao Zhang, Wenhan Luo, Yiran Zhong, Xin Yu, Hongdong Li
- Abstract要約: シングルイメージ超解像(SR)とマルチフレームSR(SR)は、低解像度画像を超解する2つの方法である。
単一静止画像から動的時間情報を学習するために, ブラインド・モーション・デブロアリング・スーパー・レゾリューション・ネットワークを提案する。
- 参考スコア(独自算出の注目度): 87.5799910153545
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Single-image super-resolution (SR) and multi-frame SR are two ways to super
resolve low-resolution images. Single-Image SR generally handles each image
independently, but ignores the temporal information implied in continuing
frames. Multi-frame SR is able to model the temporal dependency via capturing
motion information. However, it relies on neighbouring frames which are not
always available in the real world. Meanwhile, slight camera shake easily
causes heavy motion blur on long-distance-shot low-resolution images. To
address these problems, a Blind Motion Deblurring Super-Reslution Networks,
BMDSRNet, is proposed to learn dynamic spatio-temporal information from single
static motion-blurred images. Motion-blurred images are the accumulation over
time during the exposure of cameras, while the proposed BMDSRNet learns the
reverse process and uses three-streams to learn Bidirectional spatio-temporal
information based on well designed reconstruction loss functions to recover
clean high-resolution images. Extensive experiments demonstrate that the
proposed BMDSRNet outperforms recent state-of-the-art methods, and has the
ability to simultaneously deal with image deblurring and SR.
- Abstract(参考訳): シングルイメージスーパーレゾリューション(sr)とマルチフレームsrは、低解像度画像をスーパーレゾリューションする2つの方法である。
シングルイメージSRは一般的に各画像を独立に扱うが、継続フレームに暗示される時間情報を無視する。
マルチフレームSRは、モーション情報をキャプチャすることで、時間依存性をモデル化することができる。
しかし、現実世界では必ずしも利用できない近隣のフレームに依存している。
一方、わずかなカメラの振れは、遠距離の低解像度画像に重い動きのぼやけを引き起こす。
これらの問題に対処するために, 動画像から動的時空間情報を学ぶために, bmdsrnet (bmdsrnet) が提案されている。
BMDSRNetは逆過程を学習し、3つのストリームを用いて、よく設計された再構成損失関数に基づいて双方向時空間情報を学習し、高解像度画像のクリーンな復元を行う。
広範な実験により、bmdsrnetは最新の最先端手法よりも優れており、画像デブラリングとsrを同時に処理できることを示した。
関連論文リスト
- TV-based Deep 3D Self Super-Resolution for fMRI [41.08227909855111]
本稿では,DLネットワークと解析的アプローチとTotal Variation (TV)正規化を組み合わせた,新たな自己教師型DL SRモデルを提案する。
本手法は,外部GT画像の必要性を排除し,管理型DL技術と機能地図の保存による競合性能を実現する。
論文 参考訳(メタデータ) (2024-10-05T09:35:15Z) - 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) - Recovering Continuous Scene Dynamics from A Single Blurry Image with
Events [58.7185835546638]
インプリシットビデオ関数(IVF)は、同時イベントを伴う単一の動きのぼやけた画像を表現する。
両モードの利点を効果的に活用するために、二重注意変換器を提案する。
提案するネットワークは,限られた参照タイムスタンプの地平線画像の監督のみで訓練される。
論文 参考訳(メタデータ) (2023-04-05T18:44:17Z) - Rolling Shutter Inversion: Bring Rolling Shutter Images to High
Framerate Global Shutter Video [111.08121952640766]
本稿では,RS時相超解問題に対する新しいディープラーニングに基づく解法を提案する。
RSイメージングプロセスの多視点幾何関係を利用して,高フレームレートGS生成を実現する。
提案手法は,高精細で高品質なGS画像系列を生成でき,最先端の手法よりも優れている。
論文 参考訳(メタデータ) (2022-10-06T16:47:12Z) - EventSR: From Asynchronous Events to Image Reconstruction, Restoration,
and Super-Resolution via End-to-End Adversarial Learning [75.17497166510083]
イベントカメラは強度の変化を感知し、従来のカメラよりも多くの利点がある。
イベントストリームからの強度画像の再構成手法が提案されている。
出力は依然として低解像度(LR)、ノイズ、非現実的である。
本研究では、イベントストリームからLR画像を再構成し、画像品質を高め、EventSRと呼ばれる拡張イメージをアップサンプリングする、新しいエンドツーエンドパイプラインを提案する。
論文 参考訳(メタデータ) (2020-03-17T10:58:10Z) - Video Face Super-Resolution with Motion-Adaptive Feedback Cell [90.73821618795512]
深部畳み込みニューラルネットワーク(CNN)の発展により,ビデオ超解像法(VSR)は近年,顕著な成功を収めている。
本稿では,動作補償を効率的に捕捉し,適応的にネットワークにフィードバックする,シンプルで効果的なブロックである動き適応型フィードバックセル(MAFC)を提案する。
論文 参考訳(メタデータ) (2020-02-15T13:14:10Z) - Deep Video Super-Resolution using HR Optical Flow Estimation [42.86066957681113]
ビデオ超解像(SR)は、高解像度(HR)フレームを高解像度(LR)フレームから高解像度かつ時間的に一貫した細部で生成することを目的としている。
既存のディープラーニングに基づく手法は、一般的にLRフレーム間の光の流れを推定し、時間依存性を提供する。
我々は、光学フローと画像の両方を超解き放つ、エンドツーエンドのビデオSRネットワークを提案する。
論文 参考訳(メタデータ) (2020-01-06T07:25:24Z)
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。