論文の概要: Blind Image Super-Resolution: A Survey and Beyond

• arxiv url: http://arxiv.org/abs/2107.03055v1
• Date: Wed, 7 Jul 2021 07:38:14 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-08 14:05:32.607011
• Title: Blind Image Super-Resolution: A Survey and Beyond
• Title（参考訳）: Blind Image Super-Resolution: 調査とそれ以上
• Authors: Anran Liu, Yihao Liu, Jinjin Gu, Yu Qiao, Chao Dong
• Abstract要約: ブラインド画像超解像(SR)は、未知の劣化を伴う低解像度画像の超解像を目指している。 長年の努力にもかかわらず、依然として挑戦的な研究課題として残っている。 本稿では,近年のブラインド画像SRの進歩を体系的に検討する。
• 参考スコア（独自算出の注目度）: 43.316988709621604
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Blind image super-resolution (SR), aiming to super-resolve low-resolution images with unknown degradation, has attracted increasing attention due to its significance in promoting real-world applications. Many novel and effective solutions have been proposed recently, especially with the powerful deep learning techniques. Despite years of efforts, it still remains as a challenging research problem. This paper serves as a systematic review on recent progress in blind image SR, and proposes a taxonomy to categorize existing methods into three different classes according to their ways of degradation modelling and the data used for solving the SR model. This taxonomy helps summarize and distinguish among existing methods. We hope to provide insights into current research states, as well as to reveal novel research directions worth exploring. In addition, we make a summary on commonly used datasets and previous competitions related to blind image SR. Last but not least, a comparison among different methods is provided with detailed analysis on their merits and demerits using both synthetic and real testing images.
• Abstract（参考訳）: 未知の劣化を伴う低解像度画像の超解像を目的としたブラインド画像スーパーレゾリューション(sr)は,実世界の応用を促進する上での重要性から注目を集めている。 近年、特に強力なディープラーニング技術を用いて、多くの新しい効果的なソリューションが提案されている。 長年の努力にもかかわらず、依然として挑戦的な研究課題として残っている。 本稿では,ブラインドイメージsrの最近の進歩に関する体系的レビューとして,既存の手法を3つの異なるクラスに分類する分類法を提案する。 この分類は、既存の方法の要約と区別に役立つ。 我々は、現在の研究状況に関する洞察を提供し、探索する価値のある新しい研究の方向性を明らかにすることを望んでいます。 さらに, ブラインド画像SRに関する一般的なデータセットと過去のコンペについて要約する。最後に, 合成画像と実画像の両方を用いて, それらのメリットとデメリットを詳細に分析する手法の比較を行った。

関連論文リスト

• A Survey on All-in-One Image Restoration: Taxonomy, Evaluation and Future Trends [67.43992456058541]
  画像復元(IR)とは、ノイズ、ぼかし、気象効果などの劣化を除去しながら、画像の視覚的品質を改善する過程である。 従来のIR手法は、一般的に特定の種類の劣化をターゲットとしており、複雑な歪みを伴う現実のシナリオにおいて、その効果を制限している。 オールインワン画像復元(AiOIR)パラダイムが登場し、複数の劣化タイプに順応的に対処する統一されたフレームワークを提供する。
  論文  参考訳（メタデータ） (2024-10-19T11:11:09Z)
• Diffusion Models, Image Super-Resolution And Everything: A Survey [8.869380093190628]
  拡散モデル(DM)は、画像の超解法(SR)領域を乱し、画像の品質と人間の知覚的嗜好のギャップを埋めている。 DMは訓練が容易で、従来の生成法で作られたものよりも高い品質のサンプルを作成できる。 彼らの有望な成果にもかかわらず、彼らはさらなる研究を必要とする新しい課題も生み出した。
  論文  参考訳（メタデータ） (2024-01-01T12:25:57Z)
• Learning from Multi-Perception Features for Real-Word Image Super-resolution [87.71135803794519]
  入力画像の複数の知覚的特徴を利用する新しいSR手法MPF-Netを提案する。 本稿では,MPFEモジュールを組み込んで,多様な知覚情報を抽出する手法を提案する。 また、モデルの学習能力を向上する対照的な正規化項(CR)も導入する。
  論文  参考訳（メタデータ） (2023-05-26T07:35:49Z)
• Guided Depth Map Super-resolution: A Survey [88.54731860957804]
  誘導深度マップ超解像(GDSR)は、高分解能(HR)深度マップを低分解能(LR)観測から2枚のHRカラー画像の助けを借りて再構成することを目的としている。 近年,特に強力な深層学習技術を用いて,斬新で効果的なアプローチが多数提案されている。 この調査は、GDSRの最近の進歩に関する包括的調査を提示する試みである。
  論文  参考訳（メタデータ） (2023-02-19T15:43:54Z)
• Hitchhiker's Guide to Super-Resolution: Introduction and Recent Advances [3.966405801901351]
  スーパーレゾリューション(SR)は繁栄する研究領域となっている。 有望な結果にもかかわらず、この分野はさらなる研究を必要とする課題に直面している。 このレビューは究極的には、研究者がSRに適用されるDLの境界を押し上げるのを助けることを目的としている。
  論文  参考訳（メタデータ） (2022-09-27T03:28:34Z)
• Recent Advances in Scene Image Representation and Classification [1.8369974607582584]
  本稿では,画像分類に広く用いられている既存のシーン画像表現手法について概説する。 我々は、その性能を質的に(例えば、出力の品質、pros/consなど)、量的に(例えば、精度)比較する。 本稿では,従来のコンピュータビジョン(CV)ベースの手法,ディープラーニング(DL)ベースの手法,検索エンジン(SE)ベースの手法について,最近のシーン画像表現手法の詳細な知見と応用について述べる。
  論文  参考訳（メタデータ） (2022-06-15T07:12:23Z)
• 3D Object Detection from Images for Autonomous Driving: A Survey [68.33502122185813]
  画像から3Dオブジェクトを検出することは、自動運転の基本的かつ困難な問題の一つだ。 この問題を2015年から2021年にかけて200以上の研究が行われ、理論、アルゴリズム、応用の幅広い範囲で研究されている。 我々は,この新奇で継続的な研究分野を包括的に調査し,画像に基づく3D検出に最もよく使用されるパイプラインを要約する。
  論文  参考訳（メタデータ） (2022-02-07T07:12:24Z)
• Deep Image Deblurring: A Survey [165.32391279761006]
  低レベルのコンピュータビジョンにおいて、デブロアリングは古典的な問題であり、ぼやけた入力画像からシャープなイメージを復元することを目的としている。 近年のディープラーニングの進歩は、この問題の解決に大きな進歩をもたらした。
  論文  参考訳（メタデータ） (2022-01-26T01:31:30Z)
• A Comprehensive Review of Deep Learning-based Single Image Super-resolution [4.234711903716694]
  この調査は、ディープラーニングの観点からの超解像の分野での最近の進歩を詳細に調査する試みである。 本調査は,画像sr法を,古典法,教師付き学習法,教師なし学習法,ドメイン固有sr法という4つのカテゴリに分類した。 SRの深層学習に基づくアプローチは参照データセットを用いて評価される。
  論文  参考訳（メタデータ） (2021-02-18T14:04:25Z)

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。