論文の概要: Thera: Aliasing-Free Arbitrary-Scale Super-Resolution with Neural Heat Fields

• arxiv url: http://arxiv.org/abs/2311.17643v3
• Date: Sun, 09 Mar 2025 12:22:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-11 15:42:05.549103
• Title: Thera: Aliasing-Free Arbitrary-Scale Super-Resolution with Neural Heat Fields
• Title（参考訳）: Thera: ニューラルヒートフィールドを用いたアリビトリスケール超解法
• Authors: Alexander Becker, Rodrigo Caye Daudt, Dominik Narnhofer, Torben Peters, Nando Metzger, Jan Dirk Wegner, Konrad Schindler,
• Abstract要約: 任意のスケールの単一画像超解像(ASR)に対する最近のアプローチでは、任意の解像度でサンプリングできる連続的な信号を表現するためにニューラルネットワークを使用している。 既存の方法は、各スケーリング係数における場の積分バージョンを近似し、忠実さと一般化の両方を補うことによって、これを緩和しようとする。 物理的に正確なPSFをモデル化する新しい神経場定式化であるニューラルヒートフィールドを導入する。 我々の定式化は、任意の所望の出力解像度で分析的に正しいアンチエイリアスを可能にする。
• 参考スコア（独自算出の注目度）: 52.11475771410058
• License:
• Abstract: Recent approaches to arbitrary-scale single image super-resolution (ASR) use neural fields to represent continuous signals that can be sampled at arbitrary resolutions. However, point-wise queries of neural fields do not naturally match the point spread function (PSF) of pixels, which may cause aliasing in the super-resolved image. Existing methods attempt to mitigate this by approximating an integral version of the field at each scaling factor, compromising both fidelity and generalization. In this work, we introduce neural heat fields, a novel neural field formulation that inherently models a physically exact PSF. Our formulation enables analytically correct anti-aliasing at any desired output resolution, and -- unlike supersampling -- at no additional cost. Building on this foundation, we propose Thera, an end-to-end ASR method that substantially outperforms existing approaches, while being more parameter-efficient and offering strong theoretical guarantees. The project page is at https://therasr.github.io.
• Abstract（参考訳）: 任意のスケールの単一画像超解像(ASR)に対する最近のアプローチでは、任意の解像度でサンプリングできる連続的な信号を表現するためにニューラルネットワークを使用している。 しかし、ニューラルネットワークのポイントワイドクエリは、ピクセルのポイントスプレッド関数(PSF)と自然に一致しないため、超解像のエイリアスを引き起こす可能性がある。 既存の方法は、各スケーリング係数における場の積分バージョンを近似し、忠実さと一般化の両方を補うことによって、これを緩和しようとする。 本研究では、物理的に正確なPSFを本質的にモデル化する新しい神経場定式化であるニューラルヒートフィールドを導入する。 我々の定式化は、任意の所望の出力解像度で分析的に正しいアンチエイリアスを可能にする。 この基礎の上に構築されたTheraは,パラメータ効率が向上し,理論的な保証も強く提供しながら,既存の手法を大幅に上回るエンド・ツー・エンドのASR手法である。 プロジェクトのページはhttps://therasr.github.io.comにある。

関連論文リスト

• GP-FL: Model-Based Hessian Estimation for Second-Order Over-the-Air Federated Learning [52.295563400314094]
  2次法は学習アルゴリズムの収束率を改善するために広く採用されている。 本稿では,無線チャネルに適した新しい2次FLフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-05T04:27:41Z)
• Adaptive Random Fourier Features Training Stabilized By Resampling With Applications in Image Regression [0.8947831206263182]
  浅層ニューラルネットワークのための適応型ランダムフーリエ(ARFF)訓練アルゴリズムを提案する。 本手法は, 粒子フィルタ型再サンプリング法を用いて, トレーニング過程を安定化し, パラメータ選択に対する感度を低下させる。
  論文  参考訳（メタデータ） (2024-10-08T22:08:03Z)
• GaussianSR: High Fidelity 2D Gaussian Splatting for Arbitrary-Scale Image Super-Resolution [29.49617080140511]
  入射神経表現(INR)は、画像の任意のスケールの超解像(ASSR)の分野を大幅に進歩させた。 既存のINRベースのASSRネットワークは、まずエンコーダを用いて与えられた低解像度画像から特徴を抽出し、次に多層パーセプトロンデコーダを用いて超解像結果をレンダリングする。 2次元ガウススプラッティング(2DGS)によるこの制限を克服する新しいASSR法を提案する。
  論文  参考訳（メタデータ） (2024-07-25T13:53:48Z)
• Boundary-aware Decoupled Flow Networks for Realistic Extreme Rescaling [49.215957313126324]
  Invertible rescaling Network (IRN) やgenerative adversarial Network (GAN) などを含む最近の生成手法は、画像再スケーリングにおいて例外的な性能を示した。 しかし、IRNベースの手法は過度に滑らかな結果を生成する傾向にあり、一方、GANベースの手法は偽の細部を容易に生成する。 本稿では,現実的かつ視覚的に満足な結果を生成するために,境界対応デカップリングフローネットワーク(BDFlow)を提案する。
  論文  参考訳（メタデータ） (2024-05-05T14:05:33Z)
• CorresNeRF: Image Correspondence Priors for Neural Radiance Fields [45.40164120559542]
  CorresNeRFは、市販の方法によって計算された画像対応の事前情報を利用して、NeRFトレーニングを監督する新しい手法である。 本手法は,異なるNeRF変種にまたがるプラグ・アンド・プレイモジュールとして適用可能であることを示す。
  論文  参考訳（メタデータ） (2023-12-11T18:55:29Z)
• FOVEA: Foveated Image Magnification for Autonomous Navigation [53.69803081925454]
  入力キャンバスを小さく保ちながら、ある領域を弾性的に拡大する注意的アプローチを提案する。 提案手法は,高速R-CNNより高速かつ微調整の少ない検出APを高速化する。 Argoverse-HD と BDD100K の自律走行データセットでは,提案手法が標準の高速 R-CNN を超越した検出APを微調整なしで促進することを示す。
  論文  参考訳（メタデータ） (2021-08-27T03:07:55Z)
• Semi-Sparsity for Smoothing Filters [1.1404527665142667]
  本稿では,新しい疎度誘導フレームワークに基づく半疎度平滑化アルゴリズムを提案する。 我々は、一連の信号/画像処理とコンピュータビジョンアプリケーションに多くの利点を示す。
  論文  参考訳（メタデータ） (2021-07-01T17:31:42Z)
• UltraSR: Spatial Encoding is a Missing Key for Implicit Image Function-based Arbitrary-Scale Super-Resolution [74.82282301089994]
  本研究では,暗黙的イメージ関数に基づく,シンプルで効果的な新しいネットワーク設計であるUltraSRを提案する。 空間符号化は,次の段階の高精度暗黙的画像機能に対する欠落鍵であることを示す。 UltraSRは、すべての超解像スケールでDIV2Kベンチマークに最新のパフォーマンスを設定します。
  論文  参考訳（メタデータ） (2021-03-23T17:36:42Z)
• Image Inpainting with Learnable Feature Imputation [8.293345261434943]
  正規畳み込み層は、未知の領域にフィルターを適用するのと同じ方法で、塗装された画像の視覚的アーティファクトを引き起こす。 本稿では,欠落した入力値の畳み込みに対する(階層的な)特徴計算を提案する。 我々はCelebA-HQとPlaces2を比較し,そのモデルを検証する。
  論文  参考訳（メタデータ） (2020-11-02T16:05:32Z)
• End-to-end Interpretable Learning of Non-blind Image Deblurring [102.75982704671029]
  非ブラインド画像のデブロワーリングは、通常、対応するシャープ画像の勾配に関する自然の先行によって正規化される線形最小二乗問題として定式化される。 本稿では,(既知の)ぼかしと自然像前のカーネルの逆フィルタを用いて,リチャードソン解法を事前条件として提案する。
  論文  参考訳（メタデータ） (2020-07-03T15:45:01Z)

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。