論文の概要: Unsupervised Single Image Super-resolution Under Complex Noise
- arxiv url: http://arxiv.org/abs/2107.00986v1
- Date: Fri, 2 Jul 2021 11:55:40 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-05 12:49:46.932752
- Title: Unsupervised Single Image Super-resolution Under Complex Noise
- Title（参考訳）: 複雑な雑音下での教師なし単一画像超解像
- Authors: Zongsheng Yue, Qian Zhao, Jianwen Xie, Lei Zhang and Deyu Meng
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 60.566471567837574
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: While the researches on single image super-resolution (SISR), especially
equipped with deep neural networks (DNNs), have achieved tremendous successes
recently, they still suffer from two major limitations. Firstly, the real image
degradation is usually unknown and highly variant from one to another, making
it extremely hard to train a single model to handle the general SISR task.
Secondly, most of current methods mainly focus on the downsampling process of
the degradation, but ignore or underestimate the inevitable noise
contamination. For example, the commonly-used independent and identically
distributed (i.i.d.) Gaussian noise distribution always largely deviates from
the real image noise (e.g., camera sensor noise), which limits their
performance in real scenarios. To address these issues, this paper proposes a
model-based unsupervised SISR method to deal with the general SISR task with
unknown degradations. Instead of the traditional i.i.d. Gaussian noise
assumption, a novel patch-based non-i.i.d. noise modeling method is proposed to
fit the complex real noise. Besides, a deep generator parameterized by a DNN is
used to map the latent variable to the high-resolution image, and the
conventional hyper-Laplacian prior is also elaborately embedded into such
generator to further constrain the image gradients. Finally, a Monte Carlo EM
algorithm is designed to solve our model, which provides a general inference
framework to update the image generator both w.r.t. the latent variable and the
network parameters. Comprehensive experiments demonstrate that the proposed
method can evidently surpass the current state of the art (SotA) method (about
1dB PSNR) not only with a slighter model (0.34M vs. 2.40M) but also faster
speed.
- Abstract（参考訳）: シングル・イメージ・スーパーレゾリューション(sisr)の研究、特にディープ・ニューラル・ネットワーク(dnn)が近年大きな成功を収めているが、2つの大きな制限に苦しめられている。
第一に、実際の画像劣化は、通常不明であり、互いに非常に異なっており、一般的なSISRタスクを扱うために単一のモデルを訓練することは極めて困難である。
第二に、現在の手法は主に劣化のサンプル化プロセスに焦点を当てているが、避けられない騒音汚染を無視または過小評価している。
例えば、一般的に使用される独立で同一の分散(d)である。
ガウス雑音分布は常に実際の画像ノイズ(カメラセンサノイズなど)から逸脱しており、実際のシナリオでは性能が制限される。
これらの問題に対処するため,本論文では,一般のSISRタスクを未知の劣化に対処するモデルベースunsupervised SISR法を提案する。
伝統的なidの代わりに
ガウスノイズ仮定 - パッチベースの新しい非i.d.
複雑な実雑音に適合するノイズモデリング手法を提案する。
さらに、DNNによりパラメータ化された深層ジェネレータを用いて、潜伏変数を高解像度画像にマッピングし、従来のハイパーラプラシアン前駆体も精巧にそのようなジェネレータに埋め込み、画像勾配をさらに制約する。
最後に、モンテカルロemアルゴリズムは、w.r.t.の両方のイメージジェネレータを更新するための一般的な推論フレームワークを提供する。
潜在変数とネットワークパラメータ。
総合実験により, 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) を克服できることが示された。
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) - Degradation-Noise-Aware Deep Unfolding Transformer for Hyperspectral
Image Denoising [9.119226249676501]
ハイパースペクトル画像(HSI)は、帯域幅が狭いため、ノイズが多いことが多い。
HSIデータキューブのノイズを低減するため、モデル駆動型と学習型の両方の復調アルゴリズムが提案されている。
本稿では,これらの問題に対処するDNA-Net(Degradation-Noise-Aware Unfolding Network)を提案する。
論文 参考訳（メタデータ） (2023-05-06T13:28:20Z) - Representing Noisy Image Without Denoising [91.73819173191076]
ラドン空間におけるフラクショナルオーダーモーメント(FMR)は、ノイズの多い画像から直接ロバストな表現を引き出すように設計されている。
従来の整数順序法とは異なり、我々の研究は特別な場合のような古典的手法を取り入れたより汎用的な設計である。
論文 参考訳（メタデータ） (2023-01-18T10:13:29Z) - C2N: Practical Generative Noise Modeling for Real-World Denoising [53.96391787869974]
両例を使わずに複雑な実世界の騒音を模倣するクリーン・ツー・ノイズ画像生成フレームワーク,すなわちC2Nを導入する。
我々は,C2Nの騒音発生器を実世界の騒音特性の成分に応じて構築し,広い範囲の騒音を正確に表現する。
論文 参考訳（メタデータ） (2022-02-19T05:53:46Z) - SRDiff: Single Image Super-Resolution with Diffusion Probabilistic
Models [19.17571465274627]
単一の画像スーパーリゾリューション(SISR)は、与えられた低リゾリューション(LR)画像から高解像度(HR)画像を再構成することを目的とする。
新規な単像超解像拡散確率モデル(SRDiff)を提案する。
SRDiffはデータ可能性の変動境界の変種に最適化されており、多様で現実的なSR予測を提供することができる。
論文 参考訳（メタデータ） (2021-04-30T12:31:25Z) - 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 Variational Network Toward Blind Image Restoration [60.45350399661175]
ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。
両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。
画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
論文 参考訳（メタデータ） (2020-08-25T03:30:53Z)
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。