Fugu-MT 論文翻訳(概要): HIME: Efficient Headshot Image Super-Resolution with Multiple Exemplars

論文の概要: HIME: Efficient Headshot Image Super-Resolution with Multiple Exemplars

arxiv url: http://arxiv.org/abs/2203.14863v1
Date: Mon, 28 Mar 2022 16:13:28 GMT
ステータス: 処理完了
システム内更新日: 2022-03-29 19:18:37.542996
Title: HIME: Efficient Headshot Image Super-Resolution with Multiple Exemplars
Title（参考訳）: HIME:複数例による高能率ヘッドショット画像超解像
Authors: Xiaoyu Xiang, Jon Morton, Fitsum A Reda, Lucas Young, Federico Perazzi, Rakesh Ranjan, Amit Kumar, Andrea Colaco, Jan Allebach
Abstract要約: 本稿では,HIME(Multiple Exemplars Network)法を用いた高効率なヘッドショット画像超解法を提案する。従来の手法と比較して,我々のネットワークは入力と参照のミスアライメントを効果的に処理できる。また、制御可能な空間範囲における局所的なテクスチャのリッチな表現を提供する相関損失を提案する。
参考スコア（独自算出の注目度）: 11.81364643562714
License: http://creativecommons.org/licenses/by/4.0/
Abstract: A promising direction for recovering the lost information in low-resolution headshot images is utilizing a set of high-resolution exemplars from the same identity. Complementary images in the reference set can improve the generated headshot quality across many different views and poses. However, it is challenging to make the best use of multiple exemplars: the quality and alignment of each exemplar cannot be guaranteed. Using low-quality and mismatched images as references will impair the output results. To overcome these issues, we propose an efficient Headshot Image Super-Resolution with Multiple Exemplars network (HIME) method. Compared with previous methods, our network can effectively handle the misalignment between the input and the reference without requiring facial priors and learn the aggregated reference set representation in an end-to-end manner. Furthermore, to reconstruct more detailed facial features, we propose a correlation loss that provides a rich representation of the local texture in a controllable spatial range. Experimental results demonstrate that the proposed framework not only has significantly fewer computation cost than recent exemplar-guided methods but also achieves better qualitative and quantitative performance.
Abstract（参考訳）: 低解像度のヘッドショット画像において、失われた情報を復元するための有望な方向は、同一のアイデンティティから高解像度の例証のセットを活用することである。参照セットの補完画像は、多くの異なるビューやポーズで生成されたヘッドショットの品質を改善することができる。しかし、複数の例を最大限に活用することは困難であり、それぞれの例の品質とアライメントは保証できない。低品質で不整合なイメージを参照として使用すると、結果が損なわれる。これらの課題を克服するために,HIME (Multiple Exemplars Network) 法を用いたヘッドショット画像超解法を提案する。従来の手法と比較して,我々のネットワークは,顔の事前処理を必要とせずに,入力と参照のミスアライメントを効果的に処理することができる。さらに,より詳細な顔特徴を再構築するために,制御可能な空間範囲における局所的なテクスチャの豊かな表現を提供する相関損失を提案する。実験の結果, 提案手法の計算コストは, 最近のexemplar-guided法に比べて大幅に低減するだけでなく, 質的, 定量的性能も向上した。

関連論文リスト

AccDiffusion: An Accurate Method for Higher-Resolution Image Generation [63.53163540340026]
AccDiffusionは、パッチワイドの高解像度画像生成をトレーニングなしで正確に行う方法である。本稿では,異なるパッチに対する同一のテキストプロンプトが繰り返しオブジェクト生成を引き起こすことを明らかにする。私たちのAccDiffusionは、初めて、バニラ画像認識プロンプトをパッチコンテンツ認識プロンプトのセットに分離することを提案しています。
論文参考訳（メタデータ） (2024-07-15T14:06:29Z)
Detail-Enhancing Framework for Reference-Based Image Super-Resolution [8.899312174844725]
参照型超解像のためのDEF(Detail-Enhancing Framework)を提案する。提案手法は,比較した数値結果を維持しながら,優れた視覚的結果が得られる。
論文参考訳（メタデータ） (2024-05-01T10:27:22Z)
Hierarchical Similarity Learning for Aliasing Suppression Image Super-Resolution [64.15915577164894]
エイリアスの影響を抑制するために階層画像超解像ネットワーク(HSRNet)を提案する。 HSRNetは、他の作品よりも定量的かつ視覚的なパフォーマンスを向上し、エイリアスをより効果的に再送信する。
論文参考訳（メタデータ） (2022-06-07T14:55:32Z)
Learning Enriched Features for Fast Image Restoration and Enhancement [166.17296369600774]
本稿では,ネットワーク全体を通して空間的精度の高い高解像度表現を維持することを目的とする。我々は、高解像度の空間的詳細を同時に保存しながら、複数のスケールからの文脈情報を組み合わせた豊富な特徴集合を学習する。提案手法は,デフォーカス・デブロアリング,画像デノイング,超解像,画像強調など,さまざまな画像処理タスクに対して,最先端の処理結果を実現する。
論文参考訳（メタデータ） (2022-04-19T17:59:45Z)
Single Image Internal Distribution Measurement Using Non-Local Variational Autoencoder [11.985083962982909]
本稿では,非局所変分オートエンコーダ(textttNLVAE)という画像固有解を提案する。 textttNLVAEは,非局所領域からの非絡み合った情報を用いて高解像度画像を再構成する自己教師型戦略として導入された。 7つのベンチマークデータセットによる実験結果から,textttNLVAEモデルの有効性が示された。
論文参考訳（メタデータ） (2022-04-02T18:43:55Z)
Attention-based Multi-Reference Learning for Image Super-Resolution [29.361342747786164]
本稿では,新しいアテンションに基づくマルチ参照超解像ネットワークを提案する。類似したテクスチャを複数の参照画像から超解像出力に適応的に転送する。最先端の参照超解像法よりも性能が大幅に向上する。
論文参考訳（メタデータ） (2021-08-31T09:12:26Z)
Multiple Exemplars-based Hallucinationfor Face Super-resolution and Editing [38.257982713474874]
顔の低解像度な入力画像が与えられた場合,本論文の目的は,その高解像度版を再構成することである。我々は、同じ人物の他の高解像度画像の集合である、模範の集合の使用について検討する。複数の例から得られる情報を効果的に組み合わせるために,画素単位の重み生成モジュールを導入する。
論文参考訳（メタデータ） (2020-09-16T17:35:26Z)
The Power of Triply Complementary Priors for Image Compressive Sensing [89.14144796591685]
本稿では,一対の相補的な旅先を含むLRD画像モデルを提案する。次に、画像CSのためのRDモデルに基づく新しいハイブリッド・プラグイン・アンド・プレイ・フレームワークを提案する。そこで,提案したH-based image CS問題の解法として,単純で効果的なアルゴリズムを提案する。
論文参考訳（メタデータ） (2020-05-16T08:17:44Z)
Invertible Image Rescaling [118.2653765756915]
Invertible Rescaling Net (IRN) を開発した。我々は、ダウンスケーリングプロセスにおいて、指定された分布に従う潜在変数を用いて、失われた情報の分布をキャプチャする。
論文参考訳（メタデータ） (2020-05-12T09:55:53Z)
Feature Super-Resolution Based Facial Expression Recognition for Multi-scale Low-Resolution Faces [7.634398926381845]
超解像法はしばしば低分解能画像の高精細化に使用されるが、FERタスクの性能は極低分解能画像では制限される。本研究では,物体検出のための特徴的超解像法に触発されて,頑健な表情認識のための新たな生成逆ネットワークに基づく超解像法を提案する。
論文参考訳（メタデータ） (2020-04-05T15:38:47Z)
Learning Enriched Features for Real Image Restoration and Enhancement [166.17296369600774]
畳み込みニューラルネットワーク(CNN)は、画像復元作業における従来のアプローチよりも劇的に改善されている。ネットワーク全体を通して空間的精度の高い高解像度表現を維持することを目的とした,新しいアーキテクチャを提案する。提案手法は,高解像度の空間的詳細を同時に保存しながら,複数のスケールからの文脈情報を組み合わせた豊富な特徴集合を学習する。
論文参考訳（メタデータ） (2020-03-15T11:04:30Z)

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。