論文の概要: Bridging the Domain Gap: A Simple Domain Matching Method for
Reference-based Image Super-Resolution in Remote Sensing
- arxiv url: http://arxiv.org/abs/2401.15944v1
- Date: Mon, 29 Jan 2024 08:10:00 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-30 15:40:32.210231
- Title: Bridging the Domain Gap: A Simple Domain Matching Method for
Reference-based Image Super-Resolution in Remote Sensing
- Title(参考訳): 領域ギャップの橋渡し : リモートセンシングにおける参照ベース画像超解像のための簡易領域マッチング法
- Authors: Jeongho Min, Yejun Lee, Dongyoung Kim, Jaejun Yoo
- Abstract要約: 近年、参照ベース画像超解像(RefSR)は、画像超解像(SR)タスクにおいて優れた性能を示している。
既存のRefSRモデルとシームレスに統合可能なドメインマッチング(DM)モジュールを導入する。
我々の分析では、これらの領域のギャップは異なる衛星でしばしば生じており、我々のモデルはこれらの課題に効果的に対処している。
- 参考スコア(独自算出の注目度): 8.36527949191506
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recently, reference-based image super-resolution (RefSR) has shown excellent
performance in image super-resolution (SR) tasks. The main idea of RefSR is to
utilize additional information from the reference (Ref) image to recover the
high-frequency components in low-resolution (LR) images. By transferring
relevant textures through feature matching, RefSR models outperform existing
single image super-resolution (SISR) models. However, their performance
significantly declines when a domain gap between Ref and LR images exists,
which often occurs in real-world scenarios, such as satellite imaging. In this
letter, we introduce a Domain Matching (DM) module that can be seamlessly
integrated with existing RefSR models to enhance their performance in a
plug-and-play manner. To the best of our knowledge, we are the first to explore
Domain Matching-based RefSR in remote sensing image processing. Our analysis
reveals that their domain gaps often occur in different satellites, and our
model effectively addresses these challenges, whereas existing models struggle.
Our experiments demonstrate that the proposed DM module improves SR performance
both qualitatively and quantitatively for remote sensing super-resolution
tasks.
- Abstract(参考訳): 近年、参照ベース画像超解像(RefSR)は、画像超解像(SR)タスクにおいて優れた性能を示している。
RefSRの主な考え方は、参照(Ref)画像からの付加情報を利用して、低分解能(LR)画像の高周波成分を復元することである。
特徴マッチングを通じて関連するテクスチャを転送することで、RefSRモデルは既存の単一画像超解像(SISR)モデルより優れている。
しかし、Ref画像とLR画像の間にドメインギャップが存在し、衛星画像のような現実のシナリオでしばしば発生する場合、その性能は著しく低下する。
本稿では、既存のRefSRモデルとシームレスに統合して、プラグイン・アンド・プレイ方式でパフォーマンスを向上させることができるDomain Matching (DM)モジュールを提案する。
我々の知る限り、我々はリモートセンシング画像処理におけるドメインマッチングベースのRefSRを初めて探求している。
我々の分析によると、これらの領域のギャップは異なる衛星でしばしば発生し、既存のモデルでは困難であるのに対して、我々のモデルはこれらの課題に効果的に対処している。
提案するdmモジュールは,リモートセンシングによる超解像タスクにおいて,srの性能を定性的かつ定量的に改善することを示す。
関連論文リスト
- A Feature Reuse Framework with Texture-adaptive Aggregation for
Reference-based Super-Resolution [29.57364804554312]
参照ベース超解像(RefSR)は超解像の分野で大きな成功を収めている。
本稿では,ステップバイステップのテクスチャ再構築プロセスをガイドする機能再利用フレームワークを提案する。
単一画像特徴埋め込みモジュールとテクスチャ適応アグリゲーションモジュールを導入する。
論文 参考訳(メタデータ) (2023-06-02T12:49:22Z) - 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) - Hierarchical Similarity Learning for Aliasing Suppression Image
Super-Resolution [64.15915577164894]
エイリアスの影響を抑制するために階層画像超解像ネットワーク(HSRNet)を提案する。
HSRNetは、他の作品よりも定量的かつ視覚的なパフォーマンスを向上し、エイリアスをより効果的に再送信する。
論文 参考訳(メタデータ) (2022-06-07T14:55:32Z) - 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) - Robust Reference-based Super-Resolution via C2-Matching [77.51610726936657]
超解像(Ref-SR)は、最近、高分解能(HR)参照画像を導入して、低分解能(LR)入力画像を強化するための有望なパラダイムとして登場した。
既存のRef-SR法は主に暗黙の対応に頼り、参照画像からHRテクスチャを借用し、入力画像の情報損失を補う。
本稿では,C2-Matchingを提案する。
論文 参考訳(メタデータ) (2021-06-03T16:40:36Z) - DDet: Dual-path Dynamic Enhancement Network for Real-World Image
Super-Resolution [69.2432352477966]
実画像超解像(Real-SR)は、実世界の高分解能画像(HR)と低分解能画像(LR)の関係に焦点を当てている。
本稿では,Real-SRのためのデュアルパス動的拡張ネットワーク(DDet)を提案する。
特徴表現のための大規模な畳み込みブロックを積み重ねる従来の手法とは異なり、非一貫性のある画像対を研究するためのコンテンツ認識フレームワークを導入する。
論文 参考訳(メタデータ) (2020-02-25T18:24:51Z)
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。