Fugu-MT 論文翻訳(概要): Deep 3D World Models for Multi-Image Super-Resolution Beyond Optical Flow

論文の概要: Deep 3D World Models for Multi-Image Super-Resolution Beyond Optical Flow

arxiv url: http://arxiv.org/abs/2401.16972v1
Date: Tue, 30 Jan 2024 12:55:49 GMT
ステータス: 処理完了
システム内更新日: 2024-01-31 15:06:15.501302
Title: Deep 3D World Models for Multi-Image Super-Resolution Beyond Optical Flow
Title（参考訳）: 光流超解像のための深部3次元世界モデル
Authors: Luca Savant Aira, Diego Valsesia, Andrea Bordone Molini, Giulia Fracastoro, Enrico Magli, Andrea Mirabile
Abstract要約: マルチイメージ・スーパーレゾリューション(MISR)は、複数の画像を組み合わせることで、低解像度(LR)取得の空間分解能を高めることができる。提案したモデルであるEpiMISRは,光学的流れから離れ,取得過程のエピポーラ幾何学を明示的に用いている。
参考スコア（独自算出の注目度）: 27.31768206943397
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Multi-image super-resolution (MISR) allows to increase the spatial resolution of a low-resolution (LR) acquisition by combining multiple images carrying complementary information in the form of sub-pixel offsets in the scene sampling, and can be significantly more effective than its single-image counterpart. Its main difficulty lies in accurately registering and fusing the multi-image information. Currently studied settings, such as burst photography, typically involve assumptions of small geometric disparity between the LR images and rely on optical flow for image registration. We study a MISR method that can increase the resolution of sets of images acquired with arbitrary, and potentially wildly different, camera positions and orientations, generalizing the currently studied MISR settings. Our proposed model, called EpiMISR, moves away from optical flow and explicitly uses the epipolar geometry of the acquisition process, together with transformer-based processing of radiance feature fields to substantially improve over state-of-the-art MISR methods in presence of large disparities in the LR images.
Abstract（参考訳）: マルチイメージ・スーパーレゾリューション(MISR)は、シーンサンプリングにおけるサブピクセルオフセットの形で補完情報を運ぶ複数の画像を組み合わせることで、低解像度(LR)取得の空間分解能を高めることができ、シングルイメージよりもはるかに効果的である。その主な難しさは、マルチイメージ情報の正確な登録と融合である。現在研究されているバースト写真のような設定は、通常、LR画像間の小さな幾何学的差異を仮定し、画像登録に光学的フローに依存する。任意かつ潜在的に異なるカメラ位置と向きで取得された画像の集合の分解能を向上させるMISR法について検討し、現在研究中のMISR設定を一般化する。提案するモデルであるEpiMISRは、光学的フローから脱却し、取得プロセスのエピポーラ幾何学と、ラジアンス特徴場のトランスフォーマに基づく処理を併用して、LR画像に大きな相違がある場合の最先端MISR法を大幅に改善する。

関連論文リスト

ESC-MISR: Enhancing Spatial Correlations for Multi-Image Super-Resolution in Remote Sensing [9.782167510476599]
リモートセンシングにおけるマルチイメージ超解像(MISR-RS)は,リモートセンシングコミュニティにおいて重要な研究課題である。 HR画像再構成のための複数の画像の空間的時間的関係を完全に活用した,ESC-MISR(Enhancing spatial correlations in MISR)という新しいフレームワークを提案する。提案手法は, ProBA-V データセットの2バンドでそれぞれ 0.70dB と 0.76dB cPSNR の改善を実現している。
論文参考訳（メタデータ） (2024-11-07T13:45:04Z)
QMambaBSR: Burst Image Super-Resolution with Query State Space Model [55.56075874424194]
バースト超解像度は、複数のバースト低解像度フレームからサブピクセル情報を融合することにより、高画質でよりリッチな細部で高解像度の画像を再構成することを目的としている。 BusrtSRにおいて鍵となる課題は、高周波ノイズ障害を同時に抑制しつつ、ベースフレームの補完的なサブピクセルの詳細を抽出することである。本稿では,Query State Space Model (QSSM) とAdaptive Up-Sampling Module (AdaUp) を組み合わせた新しいQuery Mamba Burst Super-Resolution (QMambaBSR) ネットワークを紹介する。
論文参考訳（メタデータ） (2024-08-16T11:15:29Z)
Enhancing Low-light Light Field Images with A Deep Compensation Unfolding Network [52.77569396659629]
本稿では,低光環境下で撮像した光場(LF)画像の復元に,DCUNet(Deep compensation network openfolding)を提案する。このフレームワークは、中間拡張結果を使用して照明マップを推定し、展開プロセスで新しい拡張結果を生成する。本稿では,LF画像の特徴を適切に活用するために,擬似明示的特徴相互作用モジュールを提案する。
論文参考訳（メタデータ） (2023-08-10T07:53:06Z)
Real Image Super-Resolution using GAN through modeling of LR and HR process [20.537597542144916]
LRモデルとSRモデルに組み込んだ学習可能な適応正弦波非線形性を提案し,分解分布を直接学習する。定量的および定性的な実験において提案手法の有効性を実証する。
論文参考訳（メタデータ） (2022-10-19T09:23:37Z)
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)
Deep Burst Super-Resolution [165.90445859851448]
バースト超解像タスクのための新しいアーキテクチャを提案する。我々のネットワークは複数のノイズRAW画像を入力として取り出し、出力として分解された超解像RGB画像を生成する。実世界のデータのトレーニングと評価を可能にするため,BurstSRデータセットも導入する。
論文参考訳（メタデータ） (2021-01-26T18:57:21Z)
Boosting Image Super-Resolution Via Fusion of Complementary Information Captured by Multi-Modal Sensors [21.264746234523678]
イメージスーパーレゾリューション(sr)は、低解像度光センサの画質を向上させる有望な技術である。本稿では,安価なチャネル(可視・深度)からの補完情報を活用して,少ないパラメータを用いて高価なチャネル(熱)の画像品質を向上させる。
論文参考訳（メタデータ） (2020-12-07T02:15:28Z)
Cross-MPI: Cross-scale Stereo for Image Super-Resolution using Multiplane Images [44.85260985973405]
Cross-MPIは、新しい平面対応MPI機構、マルチスケールガイドアップサンプリングモジュール、超高分解能合成・融合モジュールからなるエンドツーエンドのRefSRネットワークである。デジタル合成および光ズームクロススケールデータによる実験結果から,Cross-MPIフレームワークは既存のRefSR手法よりも優れた性能が得られることが示された。
論文参考訳（メタデータ） (2020-11-30T09:14:07Z)
A Parallel Down-Up Fusion Network for Salient Object Detection in Optical Remote Sensing Images [82.87122287748791]
光リモートセンシング画像(RSI)における有意な物体検出のための新しい並列ダウンアップフュージョンネットワーク(PDF-Net)を提案する。 In-pathの低レベル・高レベルな特徴とクロスパスの多解像度な特徴をフル活用して、多様なスケールのサルエントオブジェクトを識別し、散らかった背景を抑える。 ORSSDデータセットの実験により、提案したネットワークは定性的かつ定量的に最先端のアプローチよりも優れていることが示された。
論文参考訳（メタデータ） (2020-10-02T05:27:57Z)
Multi-Dimension Fusion Network for Light Field Spatial Super-Resolution using Dynamic Filters [23.82780431526054]
光フィールドの空間分解能を改善するための新しい学習ベースフレームワークを提案する。再構成された画像は、サブアパーチャ画像とエピポーラ平面画像の両方において、鮮明な細部と明瞭な線も示している。
論文参考訳（メタデータ） (2020-08-26T09:05:07Z)
PULSE: Self-Supervised Photo Upsampling via Latent Space Exploration of Generative Models [77.32079593577821]
PULSE (Photo Upsampling via Latent Space Exploration) は、それまで文献になかった解像度で高解像度でリアルな画像を生成する。本手法は, 従来よりも高分解能, スケールファクターの知覚品質において, 最先端の手法よりも優れていた。
論文参考訳（メタデータ） (2020-03-08T16:44:31Z)

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。