論文の概要: NTIRE 2023 Challenge on Light Field Image Super-Resolution: Dataset, Methods and Results

• arxiv url: http://arxiv.org/abs/2304.10415v1
• Date: Thu, 20 Apr 2023 15:59:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-21 12:37:01.081221
• Title: NTIRE 2023 Challenge on Light Field Image Super-Resolution: Dataset, Methods and Results
• Title（参考訳）: NTIRE 2023 電界画像超解像の挑戦:データセット,方法,結果
• Authors: Yingqian Wang, Longguang Wang, Zhengyu Liang, Jungang Yang, Radu Timofte, Yulan Guo
• Abstract要約: 本報告では、光場(LF)画像超解像(SR)に関する最初のNTIRE課題を要約する。 標準バイコビック劣化下でのLF画像の超解像化を目的としており、倍率係数は4。 参加者が提案するソリューションを報告し、それらの共通する傾向と有用なトリックを要約する。
• 参考スコア（独自算出の注目度）: 94.63112105689488
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: In this report, we summarize the first NTIRE challenge on light field (LF) image super-resolution (SR), which aims at super-resolving LF images under the standard bicubic degradation with a magnification factor of 4. This challenge develops a new LF dataset called NTIRE-2023 for validation and test, and provides a toolbox called BasicLFSR to facilitate model development. Compared with single image SR, the major challenge of LF image SR lies in how to exploit complementary angular information from plenty of views with varying disparities. In total, 148 participants have registered the challenge, and 11 teams have successfully submitted results with PSNR scores higher than the baseline method LF-InterNet \cite{LF-InterNet}. These newly developed methods have set new state-of-the-art in LF image SR, e.g., the winning method achieves around 1 dB PSNR improvement over the existing state-of-the-art method DistgSSR \cite{DistgLF}. We report the solutions proposed by the participants, and summarize their common trends and useful tricks. We hope this challenge can stimulate future research and inspire new ideas in LF image SR.
• Abstract（参考訳）: 本報告では,標準バイコビック分解条件下でのLF画像の高分解能化を目的とした,光フィールド(LF)画像超解像(SR)に関する最初のNTIRE課題を要約する。 この課題は、バリデーションとテストのための NTIRE-2023 と呼ばれる新しいLFデータセットを開発し、モデル開発を容易にする BasicLFSR と呼ばれるツールボックスを提供する。 シングルイメージSRと比較して、LF画像SRの最大の課題は、様々な異なる視点から補完的な角情報を利用する方法にある。 合計で148人の参加者がチャレンジを登録し、11チームがベースラインメソッドLF-InterNet \cite{LF-InterNet}よりも高いPSNRスコアで結果を提出した。 これらの新たな手法は、LF画像SRにおける新しい最先端の状態を設定し、例えば、既存の最先端のDistgSSR \cite{DistgLF}よりも約1dBのPSNR改善を実現する。 参加者が提案するソリューションを報告し,その共通傾向と有用な手技を要約する。 この課題が今後の研究を刺激し、LF画像SRの新しいアイデアを刺激することを期待している。

関連論文リスト

• NTIRE 2024 Challenge on Stereo Image Super-Resolution: Methods and Results [106.27490184458715]
  本稿では,立体像超解像(SR)における第3回 NTIRE チャレンジを要約する。 この課題の課題は、限られた計算予算の下でx4の倍率を持つ高解像度のステレオ画像対に高解像度のステレオ画像対を超解することである。
  論文  参考訳（メタデータ） (2024-09-25T13:59:36Z)
• NTIRE 2024 Challenge on Image Super-Resolution ($\times$4): Methods and Results [126.78130602974319]
  画像の超高解像度化に関するNTIRE 2024の課題(4ドル)をレビューする。 この課題は、低解像度(LR)入力から4倍の倍率で対応する高解像度(HR)画像を生成することである。 この挑戦の目的は、最も先進的なSR性能を持つ設計/解決を得ることである。
  論文  参考訳（メタデータ） (2024-04-15T13:45:48Z)
• LFSRDiff: Light Field Image Super-Resolution via Diffusion Models [18.20217829625834]
  光電場(LF)画像超解像(SR)は、固有の不適切な性質のため難しい問題である。 主流のLF画像SR法は、一般的に決定論的アプローチを採用し、ピクセル単位の損失関数によって制御される1つの出力しか生成しない。 本稿では,最初の拡散型LF画像SRモデルであるLPSRDiffを紹介する。
  論文  参考訳（メタデータ） (2023-11-27T07:31:12Z)
• Real-World Light Field Image Super-Resolution via Degradation Modulation [59.68036846233918]
  本稿では,実世界のLF画像 SR の簡易かつ効果的な手法を提案する。 実際のLF画像の劣化過程を定式化するために,実用的なLF劣化モデルを開発した。 畳み込みニューラルネットワークは、SRプロセスの前に分解を組み込むように設計されている。
  論文  参考訳（メタデータ） (2022-06-13T14:44:46Z)
• NTIRE 2022 Challenge on High Dynamic Range Imaging: Methods and Results [173.32437855731752]
  この課題はCVPR 2022と共同でNTIRE(New Trends in Image Restoration and Enhancement)ワークショップの一環として行われた。 この課題は、複数の低ダイナミックレンジ(LDR)観測からHDR画像を推定することを目的としている。
  論文  参考訳（メタデータ） (2022-05-25T10:20:06Z)
• NTIRE 2021 Challenge on High Dynamic Range Imaging: Dataset, Methods and Results [56.932867490888015]
  本稿では,CVPR 2021と共同で開催されているニュートレンド・イメージ・リカバリ・エンハンスメント(NTIRE)ワークショップ(New Trends in Image Restoration and Enhancement, NTIRE)におけるハイダイナミックレンジイメージングの課題について概説する。 この課題は、1つまたは複数の低ダイナミックレンジ(LDR)観測からHDR画像を推定することを目的としている。
  論文  参考訳（メタデータ） (2021-06-02T19:45:16Z)

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。