論文の概要: A statistically constrained internal method for single image super-resolution

• arxiv url: http://arxiv.org/abs/2302.01648v1
• Date: Fri, 3 Feb 2023 10:48:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-06 16:46:53.135655
• Title: A statistically constrained internal method for single image super-resolution
• Title（参考訳）: 単一画像超解像に対する統計的制約付き内部法
• Authors: Pierrick Chatillon, Yann Gousseau, Sidonie Lefebvre
• Abstract要約: 我々は、SinGANの学習したアップサンプリング手順を制約することにより、事前情報を内部の超解像アプローチに統合する方法を示す。 本稿では,フーリエパワースペクトル,カラーヒストグラム,アップサンプリング方式の整合性など,様々な制約について考察する。
• 参考スコア（独自算出の注目度）: 1.2891210250935146
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep learning based methods for single-image super-resolution (SR) have drawn a lot of attention lately. In particular, various papers have shown that the learning stage can be performed on a single image, resulting in the so-called internal approaches. The SinGAN method is one of these contributions, where the distribution of image patches is learnt on the image at hand and propagated at finer scales. Now, there are situations where some statistical a priori can be assumed for the final image. In particular, many natural phenomena yield images having power law Fourier spectrum, such as clouds and other texture images. In this work, we show how such a priori information can be integrated into an internal super-resolution approach, by constraining the learned up-sampling procedure of SinGAN. We consider various types of constraints, related to the Fourier power spectrum, the color histograms and the consistency of the upsampling scheme. We demonstrate on various experiments that these constraints are indeed satisfied, but also that some perceptual quality measures can be improved by the proposed approach.
• Abstract（参考訳）: 近年,シングルイメージ超解像(SR)の深層学習手法が注目されている。 特に、様々な論文は学習段階が1つの画像上で実行され、いわゆる内部的アプローチとなることを示している。 SinGAN法はこれらのコントリビューションの一つであり、手元の画像上で画像パッチの分布を学習し、より細かいスケールで伝播する。 現在では、最終的な画像に何らかの統計的事前を仮定できる状況がある。 特に、多くの自然現象は、雲やその他のテクスチャ画像のようなフーリエスペクトルのパワー則を持つ画像を生成する。 本稿では,singanの学習したアップサンプリング手順を制約することにより,このような事前情報を内部超解像手法に組み込む方法を示す。 本研究では,フーリエパワースペクトル,カラーヒストグラム,アップサンプリングスキームの一貫性に関する様々な制約について考察する。 これらの制約が実際に満たされていることを様々な実験で示し、また提案手法によりいくつかの知覚的品質対策を改善できることを示した。

関連論文リスト

• Blind Time-of-Flight Imaging: Sparse Deconvolution on the Continuum with Unknown Kernels [8.59982222642104]
  ToF (Computer Time-of-Flight) イメージングは、エキサイティングで新しい画像モダリティとして登場した。 本稿では,カーネルキャリブレーションを必要とせず,連続体上のスパーススパイクを回復する新しいToFイメージング手法を提案する。
  論文  参考訳（メタデータ） (2024-10-31T22:42:02Z)
• A Simple Approach to Unifying Diffusion-based Conditional Generation [63.389616350290595]
  多様な条件生成タスクを処理するための、シンプルで統一されたフレームワークを導入します。 提案手法は,異なる推論時間サンプリング方式による多目的化を実現する。 我々のモデルは、非親密なアライメントや粗い条件付けのような追加機能をサポートしています。
  論文  参考訳（メタデータ） (2024-10-15T09:41:43Z)
• Transforming gradient-based techniques into interpretable methods [3.6763102409647526]
  GAD(Gradient Artificial Distancing)を勾配に基づく技術支援フレームワークとして紹介する。 その主な目的は、階級の区別を確立することによって、影響力のある地域をアクセント化することである。 隠蔽画像に関する実証研究は、この手法によって同定された領域が、クラス分化を促進する上で重要な役割を担っていることを証明している。
  論文  参考訳（メタデータ） (2024-01-25T09:24:19Z)
• Learning from small data sets: Patch-based regularizers in inverse problems for image reconstruction [1.1650821883155187]
  機械学習の最近の進歩は、ネットワークを訓練するために大量のデータとコンピュータ能力を必要とする。 本稿は,ごく少数の画像のパッチを考慮に入れることで,小さなデータセットから学習する問題に対処する。 本稿では,Langevin Monte Carlo法を用いて後部を近似することにより,不確実な定量化を実現する方法を示す。
  論文  参考訳（メタデータ） (2023-12-27T15:30:05Z)
• Single Stage Virtual Try-on via Deformable Attention Flows [51.70606454288168]
  仮想試行は、ショップ内服と基準人物画像が与えられた写真リアルなフィッティング結果を生成することを目的としている。 マルチフロー推定に変形性アテンションスキームを適用した,変形性アテンションフロー(DAFlow)を新たに開発した。 提案手法は,定性的かつ定量的に最先端の性能を実現する。
  論文  参考訳（メタデータ） (2022-07-19T10:01:31Z)
• DWDN: Deep Wiener Deconvolution Network for Non-Blind Image Deblurring [66.91879314310842]
  本稿では,古典的なWienerデコンボリューションフレームワークを学習深い特徴と統合することにより,特徴空間における明示的なデコンボリューションプロセスを提案する。 マルチスケールのカスケード機能改善モジュールは、分離された深い特徴から退色画像を予測する。 提案したDeep Wienerデコンボリューションネットワークは,目に見える成果物が少なく,かつ,最先端の非盲点画像デコンボリューション手法を広いマージンで定量的に上回っていることを示す。
  論文  参考訳（メタデータ） (2021-03-18T00:38:11Z)
• Deep Variational Network Toward Blind Image Restoration [60.45350399661175]
  ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。 両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。 画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
  論文  参考訳（メタデータ） (2020-08-25T03:30:53Z)
• SRFlow: Learning the Super-Resolution Space with Normalizing Flow [176.07982398988747]
  超解像度は、与えられた低解像度画像の複数の予測を可能にするため、不適切な問題である。 出力の条件分布を学習できる正規化フローベース超解法SRFlowを提案する。 我々のモデルは、単一損失、すなわち負のログ類似度を用いて、原則的に訓練されている。
  論文  参考訳（メタデータ） (2020-06-25T06:34:04Z)
• Unifying Specialist Image Embedding into Universal Image Embedding [84.0039266370785]
  画像の様々な領域に適用可能な普遍的な深層埋め込みモデルを持つことが望ましい。 本稿では,複数の専門家の知識を普遍的な埋め込みに融合させてこの問題を解決することを提案する。
  論文  参考訳（メタデータ） (2020-03-08T02:51:11Z)

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。