Fugu-MT 論文翻訳(概要): Multi-Reference Image Super-Resolution: A Posterior Fusion Approach

論文の概要: Multi-Reference Image Super-Resolution: A Posterior Fusion Approach

arxiv url: http://arxiv.org/abs/2212.09988v1
Date: Tue, 20 Dec 2022 04:15:03 GMT
ステータス: 処理完了
システム内更新日: 2022-12-21 17:10:51.809875
Title: Multi-Reference Image Super-Resolution: A Posterior Fusion Approach
Title（参考訳）: Multi-Reference Image Super-Resolution: A Posterior Fusion Approach
Authors: Ke Zhao, Haining Tan, Tsz Fung Yau
Abstract要約: 本稿では,RefSRモデルの出力と複数の参照を組み合わせた2段階後核融合法を提案する。 CUFED5データセットの実験により、提案手法が様々な最先端のRefSRモデルに適用され、画像品質が一貫した改善が得られた。
参考スコア（独自算出の注目度）: 0.3867363075280544
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Reference-based Super-resolution (RefSR) approaches have recently been proposed to overcome the ill-posed problem of image super-resolution by providing additional information from a high-resolution image. Multi-reference super-resolution extends this approach by allowing more information to be incorporated. This paper proposes a 2-step-weighting posterior fusion approach to combine the outputs of RefSR models with multiple references. Extensive experiments on the CUFED5 dataset demonstrate that the proposed methods can be applied to various state-of-the-art RefSR models to get a consistent improvement in image quality.
Abstract（参考訳）: 参照ベーススーパーレゾリューション(RefSR)アプローチは近年,高解像度画像からの付加情報を提供することで,画像スーパーレゾリューションの誤った問題を克服するために提案されている。マルチ参照超解像は、より多くの情報を組み込むことによってこのアプローチを拡張している。本稿では,RefSRモデルの出力と複数の参照を組み合わせた2段階後核融合法を提案する。 CUFED5データセットの大規模な実験により、提案手法が様々な最先端のRefSRモデルに適用され、画像品質が一貫した改善が得られることを示した。

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)
LMR: A Large-Scale Multi-Reference Dataset for Reference-based Super-Resolution [86.81241084950524]
参照ベース超解像(RefSR)は、単一の画像超解像(SISR)と比較して、類似した高品質な画像を参照することで優れた結果が得られると広く合意されている。以前のRefSR手法はすべて単一参照イメージトレーニングに重点を置いているが、複数の参照イメージはテストや実用的なアプリケーションでしばしば利用できる。我々はLMRと呼ばれる大規模なマルチ参照超解像データセットを構築し、300x300のトレーニング画像の112,142グループを含み、これは既存の最大のRefSRデータセットの10倍である。
論文参考訳（メタデータ） (2023-03-09T01:07:06Z)
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)
Reference-based Image Super-Resolution with Deformable Attention Transformer [62.71769634254654]
RefSRは、補助参照(Ref)画像を超解像低解像度(LR)画像に活用することを目的としている。本稿では,複数のスケールを持つ変形可能なアテンション変換器,すなわちDATSRを提案する。 DATSRがベンチマークデータセット上で最先端のパフォーマンスを達成することを示す実験を行った。
論文参考訳（メタデータ） (2022-07-25T07:07:00Z)
Learning Resolution-Adaptive Representations for Cross-Resolution Person Re-Identification [49.57112924976762]
低解像度(LR)クエリIDイメージと高解像度(HR)ギャラリーイメージとの整合性を実現する。実際のカメラとの違いにより、クエリ画像が分解能の低下に悩まされることがしばしばあるため、これは困難かつ実用的な問題である。本稿では,問合せ画像の解像度に適応する動的計量を用いて,HRとLRの画像を直接比較するためのSRフリーなパラダイムについて検討する。
論文参考訳（メタデータ） (2022-07-09T03:49:51Z)
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)
Variational AutoEncoder for Reference based Image Super-Resolution [27.459299640768773]
本稿では,任意の画像がスーパーレゾリューションの参照として機能する参照ベース画像スーパーレゾリューションを提案する。ランダムマップや低解像度画像自体を使用しても、提案したRefVAEは、超解像への参照から知識を転送することができる。
論文参考訳（メタデータ） (2021-06-08T04:12:38Z)
MASA-SR: Matching Acceleration and Spatial Adaptation for Reference-Based Image Super-Resolution [74.24676600271253]
本稿では、RefSRのためのMASAネットワークを提案し、これらの問題に対処するために2つの新しいモジュールを設計する。提案したMatch & extract Moduleは、粗大な対応マッチング方式により計算コストを大幅に削減する。空間適応モジュールは、LR画像とRef画像の分布の差を学習し、Ref特徴の分布を空間適応的にLR特徴の分布に再マップする。
論文参考訳（メタデータ） (2021-06-04T07:15:32Z)
Interpretable Deep Multimodal Image Super-Resolution [23.48305854574444]
マルチモーダル画像超解像(Multimodal image super- resolution, SR)は、高分解能画像の再構成である。本稿では,結合した疎結合を組み込んだマルチモーダルディープネットワーク設計を行い,他のモーダルからの情報を再構成プロセスに効果的に融合させる。
論文参考訳（メタデータ） (2020-09-07T14:08:35Z)

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。