論文の概要: Spectrum-to-Kernel Translation for Accurate Blind Image Super-Resolution

• arxiv url: http://arxiv.org/abs/2110.12151v1
• Date: Sat, 23 Oct 2021 06:03:22 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-26 16:05:19.858437
• Title: Spectrum-to-Kernel Translation for Accurate Blind Image Super-Resolution
• Title（参考訳）: 高精度ブラインド画像超解像のためのスペクトル-カーネル変換
• Authors: Guangpin Tao, Xiaozhong Ji, Wenzhuo Wang, Shuo Chen, Chuming Lin, Yun Cao, Tong Lu, Donghao Luo, Ying Tai
• Abstract要約: 任意のぼかしカーネルで劣化したLR画像の超解像化のための新しいブラインドSRフレームワークを提案する。 まず、周波数領域における特徴表現は、空間領域よりもカーネル再構成を曖昧にするため、より導出的であることを示す。 合成画像と実画像の両方で実験した結果,提案手法はカーネル推定誤差を十分に低減することがわかった。
• 参考スコア（独自算出の注目度）: 33.59749785182318
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep-learning based Super-Resolution (SR) methods have exhibited promising performance under non-blind setting where blur kernel is known. However, blur kernels of Low-Resolution (LR) images in different practical applications are usually unknown. It may lead to significant performance drop when degradation process of training images deviates from that of real images. In this paper, we propose a novel blind SR framework to super-resolve LR images degraded by arbitrary blur kernel with accurate kernel estimation in frequency domain. To our best knowledge, this is the first deep learning method which conducts blur kernel estimation in frequency domain. Specifically, we first demonstrate that feature representation in frequency domain is more conducive for blur kernel reconstruction than in spatial domain. Next, we present a Spectrum-to-Kernel (S$2$K) network to estimate general blur kernels in diverse forms. We use a Conditional GAN (CGAN) combined with SR-oriented optimization target to learn the end-to-end translation from degraded images' spectra to unknown kernels. Extensive experiments on both synthetic and real-world images demonstrate that our proposed method sufficiently reduces blur kernel estimation error, thus enables the off-the-shelf non-blind SR methods to work under blind setting effectively, and achieves superior performance over state-of-the-art blind SR methods, averagely by 1.39dB, 0.48dB on commom blind SR setting (with Gaussian kernels) for scales $2\times$ and $4\times$, respectively.
• Abstract（参考訳）: 深層学習に基づく超解法 (SR) 法は、ぼやけたカーネルが知られている非盲検環境下で有望な性能を示した。 しかし、異なる実用用途における低解像度(LR)画像のぼやけたカーネルは通常不明である。 トレーニングイメージの劣化プロセスが実際のイメージから逸脱すると、パフォーマンスが大幅に低下する可能性がある。 本稿では,任意のぼかしカーネルで劣化したlr画像の周波数領域での正確なカーネル推定を行うブラインドsrフレームワークを提案する。 最善の知識として、これは周波数領域でぼかし核推定を行う最初のディープラーニング手法である。 具体的には,まず,周波数領域における特徴表現が空間領域よりもぼやけたカーネル再構成に寄与することを示す。 次に、様々な形態の一般的なぼやけたカーネルを推定するために、Spectrum-to-Kernel (S$2$K) ネットワークを提案する。 条件付きgan(cgan)とsr指向最適化目標を組み合わせて,劣化した画像のスペクトルから未知のカーネルへのエンドツーエンド変換を学習する。 合成画像と実世界画像の両方に対する広範囲な実験により,提案手法がボケカーネル推定誤差を十分に低減し,ブラインド設定下で効果的に動作し,平均1.39db,0.48dbのcomom blind sr設定(gaussian kernels)で2\times$および4.4\times$をそれぞれ達成できることが証明された。

関連論文リスト

• Contourlet Refinement Gate Framework for Thermal Spectrum Distribution Regularized Infrared Image Super-Resolution [54.293362972473595]
  画像超解像(SR)は、高解像度(HR)画像を低解像度(LR)画像から再構成することを目的としている。 SRタスクに対処する現在のアプローチは、RGB画像の特徴を抽出するか、同様の劣化パターンを仮定するものである。 スペクトル分布の忠実さを保ちつつ、赤外線変調特性を復元するコントゥーレット改質ゲートフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-19T14:24:03Z)
• Kernelized Back-Projection Networks for Blind Super Resolution [14.422263486129811]
  超分解能(SR)は、任意の劣化によって劣化した低分解能(LR)画像の超分解に失敗する。 本稿では, ブラインドSRの劣化モデルに比較して, ブラインドカーネルを用いて訓練した非ブラインドSRは, ブラインドSRの劣化モデルと同等の性能を示すことを示す。
  論文  参考訳（メタデータ） (2023-02-16T18:35:39Z)
• Meta-Learned Kernel For Blind Super-Resolution Kernel Estimation [22.437479940607332]
  本稿では,画像の分布に含まれる情報からメタ学習を行う学習学習アプローチを提案する。 提案手法は,既存手法よりも14.24～102.1倍高速に推算できることを示す。
  論文  参考訳（メタデータ） (2022-12-15T15:11:38Z)
• Deep Constrained Least Squares for Blind Image Super-Resolution [36.71106982590893]
  劣化モデルと2つの新しいモジュールを用いたブラインド画像超解像(SR)問題に取り組む。 より具体的には、まず分解モデルを変えて、劣化するカーネル推定を低分解能空間に転送する。 実験により,提案手法は最先端手法に対する精度の向上と視覚的改善を実現することが示された。
  論文  参考訳（メタデータ） (2022-02-15T15:32:11Z)
• Mutual Affine Network for Spatially Variant Kernel Estimation in Blind Image Super-Resolution [130.32026819172256]
  既存のブラインド画像超解像法(SR)は、ぼやけたカーネルが画像全体にわたって空間的に不変であると仮定する。 本稿では,空間変動カーネル推定のための相互アフィンネットワーク(MANet)を提案する。
  論文  参考訳（メタデータ） (2021-08-11T16:11:17Z)
• End-to-end Alternating Optimization for Blind Super Resolution [68.395664154041]
  2段階の解決策は、2つの独立に訓練されたモデルを含む。 我々は、ボケカーネルを推定し、単一のモデルでSRイメージを復元することができる交互最適化アルゴリズムを採用しています。 我々のモデルは最先端の手法を大きく上回り、はるかに高速で視覚的に有利な結果が得られる。
  論文  参考訳（メタデータ） (2021-05-14T15:05:30Z)
• Flow-based Kernel Prior with Application to Blind Super-Resolution [143.21527713002354]
  カーネル推定は一般にブラインド画像超解像(SR)の鍵となる問題の一つである 本稿では,カーネルモデリングのための正規化フローベースカーネルプリレント(fkp)を提案する。 合成および実世界の画像の実験により、提案したFKPがカーネル推定精度を大幅に向上することを示した。
  論文  参考訳（メタデータ） (2021-03-29T22:37:06Z)
• 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)
• Unfolding the Alternating Optimization for Blind Super Resolution [60.39409203244474]
  2段階の解決策は、2つの独立に訓練されたモデルを含む。 ボケカーネルを推定し,SR画像を1つのモデルで復元できる交互最適化アルゴリズムを採用する。 我々のモデルは最先端の手法を大きく上回り、はるかに高速で視覚的に有利な結果が得られる。
  論文  参考訳（メタデータ） (2020-10-06T11:27:27Z)
• Blur Invariant Kernel-Adaptive Network for Single Image Blind deblurring [0.886014926770622]
  本稿では,ぼやけたカーネルに関する情報を利用する,新しい,目が見えない,シングルイメージのデブロアリング手法を提案する。 まず、ぼやけた画像の分析に基づいて、適応的なぼやけたカーネルを生成するカーネル推定ネットワークを導入する。 本稿では,推定したぼやけたカーネルを用いて,シャープな画像を復元するデブロワーリングネットワークを提案する。
  論文  参考訳（メタデータ） (2020-07-09T03:53:33Z)

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。