論文の概要: Hitchhiker's Guide to Super-Resolution: Introduction and Recent Advances
- arxiv url: http://arxiv.org/abs/2209.13131v1
- Date: Tue, 27 Sep 2022 03:28:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-28 16:18:52.958940
- Title: Hitchhiker's Guide to Super-Resolution: Introduction and Recent Advances
- Title(参考訳): ヒッチハイカーの超解像ガイド:序論と最近の進歩
- Authors: Brian Moser, Federico Raue, Stanislav Frolov, J\"orn Hees, Sebastian
Palacio, Andreas Dengel
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 3.966405801901351
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: With the advent of Deep Learning (DL), Super-Resolution (SR) has also become
a thriving research area. However, despite promising results, the field still
faces challenges that require further research e.g., allowing flexible
upsampling, more effective loss functions, and better evaluation metrics. We
review the domain of SR in light of recent advances, and examine
state-of-the-art models such as diffusion (DDPM) and transformer-based SR
models. We present a critical discussion on contemporary strategies used in SR,
and identify promising yet unexplored research directions. We complement
previous surveys by incorporating the latest developments in the field such as
uncertainty-driven losses, wavelet networks, neural architecture search, novel
normalization methods, and the latests evaluation techniques. We also include
several visualizations for the models and methods throughout each chapter in
order to facilitate a global understanding of the trends in the field. This
review is ultimately aimed at helping researchers to push the boundaries of DL
applied to SR.
- Abstract(参考訳): ディープラーニング(DL)の出現に伴い、超解法(SR)も繁栄する研究領域となった。
しかし、有望な結果にもかかわらず、この分野は、フレキシブルなアップサンプリング、より効果的な損失関数、より良い評価指標など、さらなる研究を必要とする課題に直面している。
本稿では,最近の進歩を踏まえてSRの領域を概観し,拡散(DDPM)やトランスフォーマーベースSRモデルなどの最先端モデルについて検討する。
我々は,srで使用される現代戦略に関する批判的な議論を行い,有望でありながら未検討な研究方向を特定する。
我々は,不確実性による損失,ウェーブレットネットワーク,ニューラルアーキテクチャ探索,新しい正規化手法,最新の評価手法などの分野における最新の展開を取り入れて,過去の調査を補完する。
また,各章のモデルや手法を可視化することで,この分野の動向をグローバルに理解できるようにしている。
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。
関連論文リスト
- Diffusion Models, Image Super-Resolution And Everything: A Survey [9.398135472047132]
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) - A Survey on Interpretable Cross-modal Reasoning [64.37362731950843]
マルチメディア分析から医療診断に至るまで、クロスモーダル推論(CMR)が重要な分野として浮上している。
この調査は、解釈可能なクロスモーダル推論(I-CMR)の領域を掘り下げる
本調査では,I-CMRの3段階分類法について概説する。
論文 参考訳(メタデータ) (2023-09-05T05:06:48Z) - A Comprehensive Survey on Deep Learning for Relation Extraction: Recent
Advances and New Frontiers [64.30476057955852]
関係抽出(RE)は、非構造化テキストからエンティティ間の関係を識別する。
ディープニューラルネットワークはREの分野を支配しており、顕著な進歩を遂げている。
この調査は、リアルタイムREシステムの課題に取り組む研究者の協力活動を促進することが期待されている。
論文 参考訳(メタデータ) (2023-06-03T08:39:25Z) - Robust Saliency-Aware Distillation for Few-shot Fine-grained Visual
Recognition [57.08108545219043]
サンプルが少ない新しいサブカテゴリを認識することは、コンピュータビジョンにおいて不可欠で挑戦的な研究課題である。
既存の文献は、ローカルベースの表現アプローチを採用することでこの問題に対処している。
本稿では,ロバスト・サリエンシ・アウェア蒸留法(RSaD)を提案する。
論文 参考訳(メタデータ) (2023-05-12T00:13:17Z) - Unsupervised Pathology Detection: A Deep Dive Into the State of the Art [6.667150890634173]
複数の医療データセット上で,最先端の非教師付き異常検出法 (UAD) の選択について検討した。
本実験は, 産業・医療文献から新たに開発された特徴モデリング手法により, 性能が向上することが実証された。
これらの手法は,最近開発された自己教師付き事前学習アルゴリズムの恩恵を受けることができることを示す。
論文 参考訳(メタデータ) (2023-03-01T16:03:25Z) - 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) - Deep Industrial Image Anomaly Detection: A Survey [85.44223757234671]
近年の深層学習の急速な発展は,産業用画像異常検出(IAD)のマイルストーンとなった
本稿では,ディープラーニングによる画像異常検出手法の総合的なレビューを行う。
画像異常検出のオープニング課題をいくつか取り上げる。
論文 参考訳(メタデータ) (2023-01-27T03:18:09Z) - Back-to-Bones: Rediscovering the Role of Backbones in Domain
Generalization [1.6799377888527687]
ドメイン一般化は、学習外分布に一般化する深層学習モデルの能力を研究する。
近年の研究では、DGの再現可能なベンチマークが提供され、既存のアルゴリズムに対する経験的リスク最小化(ERM)の有効性が指摘されている。
本稿では,その内在的一般化能力を包括的に分析するバックボーンの評価を行う。
論文 参考訳(メタデータ) (2022-09-02T15:30:17Z) - Tensor Decompositions for Hyperspectral Data Processing in Remote
Sensing: A Comprehensive Review [85.36368666877412]
ハイパースペクトル(HS)リモートセンシング(RS)イメージングは、地球表面の観測と分析のためにかなりの量の空間的およびスペクトル的情報を提供している。
近年のHS RS技術の進歩と革命は、様々な応用の可能性を実現する機会を与えている。
3次元HS固有の構造が維持されているため、テンソル分解はHSデータ処理タスクにおける幅広い関心や研究を引き起こしている。
論文 参考訳(メタデータ) (2022-05-13T00:39:23Z) - Blind Image Super-Resolution: A Survey and Beyond [43.316988709621604]
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。
論文 参考訳(メタデータ) (2021-07-07T07:38:14Z)
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。