論文の概要: A Review of Deep Learning Based Image Super-resolution Techniques
- arxiv url: http://arxiv.org/abs/2201.10521v1
- Date: Sat, 22 Jan 2022 03:13:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-26 15:35:39.077626
- Title: A Review of Deep Learning Based Image Super-resolution Techniques
- Title（参考訳）: 深層学習に基づく画像超解像技術の検討
- Authors: Fangyuan Zhu
- Abstract要約: 深層学習の発展に伴い,深層学習に基づく画像超解像技術が出現している。
本稿では,画像超解像分野における深度学習法の応用研究の進展について概説する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Image super-resolution technology is the process of obtaining high-resolution
images from one or more low-resolution images. With the development of deep
learning, image super-resolution technology based on deep learning method is
emerging. This paper reviews the research progress of the application of depth
learning method in the field of image super-resolution, introduces this kind of
super-resolution work from several aspects, and looks forward to the further
application of depth learning method in the field of image super-resolution. By
collecting and counting the relevant literature on the application of depth
learning in the field of image super-resolution, we preliminarily summarizes
the application results of depth learning method in the field of image
super-resolution, and reports the latest progress of image super-resolution
technology based on depth learning method.
- Abstract（参考訳）: 画像超解像技術は、1つ以上の低解像度画像から高解像度画像を取得する過程である。
深層学習の発展に伴い,深層学習に基づく画像超解像技術が出現している。
本稿では,画像超解法分野における深度学習法の応用研究の進展を概観し,いくつかの側面からこのような超解法を紹介し,画像超解法分野における深度学習法のさらなる適用を楽しみにしている。
超解像領域における深度学習の適用に関する文献を収集・集計することにより、画像超解像領域における深度学習法の応用結果を予め要約し、深度学習法に基づく画像超解像技術の最新の進歩を報告する。
関連論文リスト
- Exploring Deep Learning Image Super-Resolution for Iris Recognition [50.43429968821899]
重畳自動エンコーダ(SAE)と畳み込みニューラルネットワーク(CNN)の2つの深層学習単一画像超解法手法を提案する。
精度評価と認識実験により,1.872個の近赤外虹彩画像のデータベースを用いて評価を行い,比較アルゴリズムよりも深層学習の方が優れていることを示す。
論文 参考訳（メタデータ） (2023-11-02T13:57:48Z) - Deep Reparametrization of Multi-Frame Super-Resolution and Denoising [167.42453826365434]
本稿では,多フレーム画像復元作業によく用いられる最大後部定式化の深部再パラメータ化を提案する。
提案手法は,学習された誤差メトリックと,対象画像の潜在表現を導入することによって導かれる。
我々は、バースト復調およびバースト超解像データセットに関する包括的な実験を通して、我々のアプローチを検証する。
論文 参考訳（メタデータ） (2021-08-18T17:57:02Z) - Towards Unpaired Depth Enhancement and Super-Resolution in the Wild [121.96527719530305]
最先端のデータ駆動による深度マップの超解像法は、同じシーンの低解像度と高解像度の深度マップの登録ペアに依存している。
未経験データからの学習に基づく深度マップの強化について考察する。
論文 参考訳（メタデータ） (2021-05-25T16:19:16Z) - 3D Human Pose, Shape and Texture from Low-Resolution Images and Videos [107.36352212367179]
本稿では,解像度認識ネットワーク,自己スーパービジョン損失,コントラスト学習スキームからなるrsc-netを提案する。
提案手法は1つのモデルで異なる解像度で3次元物体のポーズと形状を学習できる。
低解像度映像を扱うRSC-Netを拡張し、低解像度入力からテクスチャ化された3D歩行者の再構築に適用します。
論文 参考訳（メタデータ） (2021-03-11T06:52:12Z) - Deep Learning-based Face Super-resolution: A Survey [78.11274281686246]
顔の超解像、別名顔の幻覚は、ドメイン固有のイメージの超解像問題です。
現在、深層学習に基づく顔の超解像に関する研究の要約は少ない。
本調査では,超解像面における深層学習の手法を体系的に総合的に検討する。
論文 参考訳（メタデータ） (2021-01-11T08:17:11Z) - Unsupervised MRI Super-Resolution Using Deep External Learning and
Guided Residual Dense Network with Multimodal Image Priors [8.658014459585953]
人間の解剖学の単純な知識に基づく教師なし画像超解像手法を提案する。
本稿では,高分解能画像の高分解能化を目的として,ガイド付き深部畳み込みニューラルネットワークを用いた高密度ネットワークを提案する。
論文 参考訳（メタデータ） (2020-08-27T05:46:31Z) - Multimodal Deep Unfolding for Guided Image Super-Resolution [23.48305854574444]
ディープラーニング手法は、低解像度の入力から高解像度の出力へのエンドツーエンドのマッピングを学習するために、トレーニングデータに依存する。
本稿では,スパース事前を組み込んだマルチモーダル深層学習設計を提案し,他の画像モダリティからの情報をネットワークアーキテクチャに効果的に統合する。
提案手法は,サイド情報を用いた畳み込みスパース符号化の反復的アルゴリズムに類似した,新しい展開演算子に依存している。
論文 参考訳（メタデータ） (2020-01-21T14:41:53Z) - Learned Multi-View Texture Super-Resolution [76.82725815863711]
仮想3Dオブジェクトの高解像度テクスチャマップを,そのオブジェクトの低解像度画像の集合から作成できる超高解像度手法を提案する。
本アーキテクチャは, (i) 重なり合うビューの冗長性に基づくマルチビュー超解像の概念と, (ii) 高分解能画像構造の学習先行に基づくシングルビュー超解像の概念を統一する。
論文 参考訳（メタデータ） (2020-01-14T13:49:22Z)
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。