論文の概要: Towards True Detail Restoration for Super-Resolution: A Benchmark and a Quality Metric

• arxiv url: http://arxiv.org/abs/2203.08923v1
• Date: Wed, 16 Mar 2022 20:13:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-18 14:43:12.615187
• Title: Towards True Detail Restoration for Super-Resolution: A Benchmark and a Quality Metric
• Title（参考訳）: 超解像の真の詳細復元に向けて:ベンチマークと品質指標
• Authors: Eugene Lyapustin, Anastasia Kirillova, Viacheslav Meshchaninov, Evgeney Zimin, Nikolai Karetin, Dmitriy Vatolin
• Abstract要約: 超高解像度(SR)法は、画像と映像の画質を向上し、コンテンツ分析の新しい可能性を生み出す。 しかし、SRの主流は、主に結果の画像の自然性を高めることに焦点を当てている。
• 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: Super-resolution (SR) has become a widely researched topic in recent years. SR methods can improve overall image and video quality and create new possibilities for further content analysis. But the SR mainstream focuses primarily on increasing the naturalness of the resulting image despite potentially losing context accuracy. Such methods may produce an incorrect digit, character, face, or other structural object even though they otherwise yield good visual quality. Incorrect detail restoration can cause errors when detecting and identifying objects both manually and automatically. To analyze the detail-restoration capabilities of image and video SR models, we developed a benchmark based on our own video dataset, which contains complex patterns that SR models generally fail to correctly restore. We assessed 32 recent SR models using our benchmark and compared their ability to preserve scene context. We also conducted a crowd-sourced comparison of restored details and developed an objective assessment metric that outperforms other quality metrics by correlation with subjective scores for this task. In conclusion, we provide a deep analysis of benchmark results that yields insights for future SR-based work.
• Abstract（参考訳）: 超解像(SR)は近年広く研究されているトピックである。 SR法は、全体的な画像と映像の品質を改善し、さらなるコンテンツ分析のための新たな可能性を生み出す。 しかし、SRの主流は、コンテキスト精度が低下する可能性があるにもかかわらず、結果の画像の自然性を高めることに集中している。 このような方法では、不正確な数字、文字、顔、その他の構造オブジェクトを生成できるが、それ以外は視覚的品質が良い。 不正確な詳細復元は、手動と自動の両方でオブジェクトを検出し識別する際にエラーを引き起こす可能性がある。 画像とビデオのSRモデルの詳細復元能力を解析するために,SRモデルが正しく復元できない複雑なパターンを含む,我々のビデオデータセットに基づくベンチマークを開発した。 ベンチマークを用いて最近のsrモデルを32モデル評価し,シーンコンテキスト保存能力の比較を行った。 また,復元された詳細をクラウドソースで比較し,本課題における主観的スコアとの相関により,他の品質指標を上回る客観的評価指標を開発した。 結論として,srに基づく今後の作業に対する洞察を与えるベンチマーク結果の深い分析を行う。

関連論文リスト

• Study of Subjective and Objective Quality in Super-Resolution Enhanced Broadcast Images on a Novel SR-IQA Dataset [4.770359059226373]
  超解像技術(SR)は、高解像度のスクリーンに高画質の放送コンテンツをフルスクリーンで表示するために不可欠である。 SR強調放送コンテンツなどの低品質ソースから生成されたSR画像の品質を評価することは困難である。 SR放送画像のための新しいIQAデータセットを2Kと4Kの解像度で導入する。
  論文  参考訳（メタデータ） (2024-09-26T01:07:15Z)
• Rethinking Image Super-Resolution from Training Data Perspectives [54.28824316574355]
  画像超解像(SR)におけるトレーニングデータの効果について検討する。 そこで我々は,自動画像評価パイプラインを提案する。 その結果, (i) 圧縮アーチファクトの少ないデータセット, (ii) 被写体数によって判断される画像内多様性の高いデータセット, (iii) ImageNet や PASS からの大量の画像がSR性能に肯定的な影響を与えることがわかった。
  論文  参考訳（メタデータ） (2024-09-01T16:25:04Z)
• Efficient Test-Time Adaptation for Super-Resolution with Second-Order Degradation and Reconstruction [62.955327005837475]
  画像超解像(SR)は,低分解能(LR)から高分解能(HR)へのマッピングを,一対のHR-LRトレーニング画像を用いて学習することを目的としている。 SRTTAと呼ばれるSRの効率的なテスト時間適応フレームワークを提案し、SRモデルを異なる/未知の劣化型でテストドメインに迅速に適応させることができる。
  論文  参考訳（メタデータ） (2023-10-29T13:58:57Z)
• RRSR:Reciprocal Reference-based Image Super-Resolution with Progressive Feature Alignment and Selection [66.08293086254851]
  本稿では,RefSRネットワークの学習を強化するための相互学習フレームワークを提案する。 新たに提案したモジュールは,マルチスケールの特徴空間に参照入力画像をアライメントし,参照認識機能の選択を行う。 我々は,最近のRefSRモデルが相互学習パラダイムによって一貫した改善が可能であることを実証的に示す。
  論文  参考訳（メタデータ） (2022-11-08T12:39:35Z)
• QMRNet: Quality Metric Regression for EO Image Quality Assessment and Super-Resolution [2.425299069769717]
  我々は、異なる地球観測(EO)データセットに対して、最先端の超解法(SR)アルゴリズムをベンチマークする。 また,画像の任意の特性をトレーニングすることで,品質を予測できる新しい品質指標回帰ネットワーク(QMRNet)を提案する。 総合ベンチマークでは、LIIF、CAR、MSRNの有望な結果と、SR予測を最適化するためのロスとしてQMRNetが使用される可能性を示している。
  論文  参考訳（メタデータ） (2022-10-12T22:51:13Z)
• Exploring Resolution and Degradation Clues as Self-supervised Signal for Low Quality Object Detection [77.3530907443279]
  劣化した低解像度画像中の物体を検出するための,新しい自己教師型フレームワークを提案する。 本手法は, 既存手法と比較して, 異変劣化状況に直面する場合に比べ, 優れた性能を示した。
  論文  参考訳（メタデータ） (2022-08-05T09:36:13Z)
• Textural-Structural Joint Learning for No-Reference Super-Resolution Image Quality Assessment [59.91741119995321]
  我々は、TSNetと呼ばれる品質予測のためのテキスト情報と構造情報を共同で探索するデュアルストリームネットワークを開発した。 画像の重要な領域に注意を払っている人間の視覚システム(HVS)を模倣することにより、視覚に敏感な領域をより区別しやすくするための空間的注意機構を開発する。 実験の結果,提案したTSNetは現状のIQA法よりも視覚的品質を正確に予測し,人間の視点との整合性を示した。
  論文  参考訳（メタデータ） (2022-05-27T09:20:06Z)
• ERQA: Edge-Restoration Quality Assessment for Video Super-Resolution [0.0]
  ERQAメトリックは、モデルがVSRを使用して実際の詳細を復元する能力を推定することを目的としている。 提案されたメトリックのコードはhttps://github.com/msu-video-group/ERQA.comで公開されている。
  論文  参考訳（メタデータ） (2021-10-19T14:04:16Z)
• Learning-Based Quality Assessment for Image Super-Resolution [25.76907513611358]
  我々は,新しい半自動ラベリング手法を用いて,大規模sr画像データベースを構築する。 結果のSR画像品質データベースには、100の自然シーンの8,400の画像が含まれている。 特徴抽出にDNN(Deep Neural Networks)を用いたエンドツーエンドのDeep Image SR Quality(DISQ)モデルと、品質予測のためのFeature fusion Networkをトレーニングします。
  論文  参考訳（メタデータ） (2020-12-16T04:06:27Z)
• Characteristic Regularisation for Super-Resolving Face Images [81.84939112201377]
  既存の顔画像超解像法(SR)は、主に人工的にダウンサンプリングされた低解像度(LR)画像の改善に焦点を当てている。 従来の非教師なしドメイン適応(UDA)手法は、未ペアの真のLRとHRデータを用いてモデルをトレーニングすることでこの問題に対処する。 これにより、視覚的特徴を構成することと、画像の解像度を高めることの2つのタスクで、モデルをオーバーストレッチする。 従来のSRモデルとUDAモデルの利点を結合する手法を定式化する。
  論文  参考訳（メタデータ） (2019-12-30T16:27:24Z)

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。