論文の概要: Variational AutoEncoder for Reference based Image Super-Resolution
- arxiv url: http://arxiv.org/abs/2106.04090v1
- Date: Tue, 8 Jun 2021 04:12:38 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-10 06:52:22.735137
- Title: Variational AutoEncoder for Reference based Image Super-Resolution
- Title(参考訳): 参照型画像超解像のための変分オートエンコーダ
- Authors: Zhi-Song Liu and Wan-Chi Siu and Li-Wen Wang
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 27.459299640768773
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we propose a novel reference based image super-resolution
approach via Variational AutoEncoder (RefVAE). Existing state-of-the-art
methods mainly focus on single image super-resolution which cannot perform well
on large upsampling factors, e.g., 8$\times$. We propose a reference based
image super-resolution, for which any arbitrary image can act as a reference
for super-resolution. Even using random map or low-resolution image itself, the
proposed RefVAE can transfer the knowledge from the reference to the
super-resolved images. Depending upon different references, the proposed method
can generate different versions of super-resolved images from a hidden
super-resolution space. Besides using different datasets for some standard
evaluations with PSNR and SSIM, we also took part in the NTIRE2021 SR Space
challenge and have provided results of the randomness evaluation of our
approach. Compared to other state-of-the-art methods, our approach achieves
higher diverse scores.
- Abstract(参考訳): 本稿では,可変オートエンコーダ(RefVAE)を用いた参照ベース画像超解像手法を提案する。
既存の最先端の手法は、主に8$\times$のような大きなアップサンプリング要因ではうまく機能しない単一画像の超解像に焦点を当てている。
我々は,任意の画像が超解像の基準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っても、提案したRefVAEは超解像への参照から知識を伝達することができる。
異なる参照によって、提案手法は隠れた超解像空間から異なるバージョンの超解像を生成することができる。
psnrとssimの標準評価に異なるデータセットを使用するとともに、ntire2021 srスペースチャレンジにも参加し、このアプローチのランダム性評価の結果を提供した。
他の最先端手法と比較して,本手法はより多様なスコアを得られる。
関連論文リスト
- AccDiffusion: An Accurate Method for Higher-Resolution Image Generation [63.53163540340026]
AccDiffusionは、パッチワイドの高解像度画像生成をトレーニングなしで正確に行う方法である。
本稿では,異なるパッチに対する同一のテキストプロンプトが繰り返しオブジェクト生成を引き起こすことを明らかにする。
私たちのAccDiffusionは、初めて、バニラ画像認識プロンプトをパッチコンテンツ認識プロンプトのセットに分離することを提案しています。
論文 参考訳(メタデータ) (2024-07-15T14:06:29Z) - Detail-Enhancing Framework for Reference-Based Image Super-Resolution [8.899312174844725]
参照型超解像のためのDEF(Detail-Enhancing Framework)を提案する。
提案手法は,比較した数値結果を維持しながら,優れた視覚的結果が得られる。
論文 参考訳(メタデータ) (2024-05-01T10:27:22Z) - 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) - Multi-Reference Image Super-Resolution: A Posterior Fusion Approach [0.3867363075280544]
本稿では,RefSRモデルの出力と複数の参照を組み合わせた2段階後核融合法を提案する。
CUFED5データセットの実験により、提案手法が様々な最先端のRefSRモデルに適用され、画像品質が一貫した改善が得られた。
論文 参考訳(メタデータ) (2022-12-20T04:15:03Z) - 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) - HIME: Efficient Headshot Image Super-Resolution with Multiple Exemplars [11.81364643562714]
本稿では,HIME(Multiple Exemplars Network)法を用いた高効率なヘッドショット画像超解法を提案する。
従来の手法と比較して,我々のネットワークは入力と参照のミスアライメントを効果的に処理できる。
また、制御可能な空間範囲における局所的なテクスチャのリッチな表現を提供する相関損失を提案する。
論文 参考訳(メタデータ) (2022-03-28T16:13:28Z) - 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) - SRWarp: Generalized Image Super-Resolution under Arbitrary
Transformation [65.88321755969677]
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。
論文 参考訳(メタデータ) (2021-04-21T02:50:41Z) - Unsupervised Real Image Super-Resolution via Generative Variational
AutoEncoder [47.53609520395504]
古典的な例に基づく画像超解法を再考し、知覚的画像超解法のための新しい生成モデルを考案する。
本稿では,変分オートエンコーダを用いた共同画像デノベーションと超解像モデルを提案する。
判別器の助けを借りて、超分解能サブネットワークのオーバーヘッドを加味して、分解された画像をフォトリアリスティックな視覚的品質で超解凍する。
論文 参考訳(メタデータ) (2020-04-27T13:49:36Z) - 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)
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。