Fugu-MT 論文翻訳(概要): Adaptive Blind Super-Resolution Network for Spatial-Specific and Spatial-Agnostic Degradations

論文の概要: Adaptive Blind Super-Resolution Network for Spatial-Specific and Spatial-Agnostic Degradations

arxiv url: http://arxiv.org/abs/2506.07705v1
Date: Mon, 09 Jun 2025 12:48:17 GMT
ステータス: 翻訳完了
システム内更新日: 2025-06-10 16:33:10.950148
Title: Adaptive Blind Super-Resolution Network for Spatial-Specific and Spatial-Agnostic Degradations
Title（参考訳）: 空間特異性及び空間非依存性劣化に対する適応的ブラインド超解法ネットワーク
Authors: Weilei Wen, Chunle Guo, Wenqi Ren, Hongpeng Wang, Xiuli Shao,
Abstract要約: サンプリング、ぼかし、ノイズなどの劣化モードは、大まかに2つのクラスに分類される。これら2種類の劣化に対処するために,グローバルおよびローカルブランチを統合した動的フィルタネットワークを導入する。提案手法は,合成データセットと実画像データセットの両方において,最先端のブラインド超解像アルゴリズムより優れている。
参考スコア（独自算出の注目度）: 43.240960016869025
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Prior methodologies have disregarded the diversities among distinct degradation types during image reconstruction, employing a uniform network model to handle multiple deteriorations. Nevertheless, we discover that prevalent degradation modalities, including sampling, blurring, and noise, can be roughly categorized into two classes. We classify the first class as spatial-agnostic dominant degradations, less affected by regional changes in image space, such as downsampling and noise degradation. The second class degradation type is intimately associated with the spatial position of the image, such as blurring, and we identify them as spatial-specific dominant degradations. We introduce a dynamic filter network integrating global and local branches to address these two degradation types. This network can greatly alleviate the practical degradation problem. Specifically, the global dynamic filtering layer can perceive the spatial-agnostic dominant degradation in different images by applying weights generated by the attention mechanism to multiple parallel standard convolution kernels, enhancing the network's representation ability. Meanwhile, the local dynamic filtering layer converts feature maps of the image into a spatially specific dynamic filtering operator, which performs spatially specific convolution operations on the image features to handle spatial-specific dominant degradations. By effectively integrating both global and local dynamic filtering operators, our proposed method outperforms state-of-the-art blind super-resolution algorithms in both synthetic and real image datasets.
Abstract（参考訳）: 以前の手法では、画像再構成において、複数の劣化を処理するために一様ネットワークモデルを用いて、異なる劣化タイプに違いを無視していた。しかし, サンプリング, ぼかし, ノイズなど, 一般的な劣化モードは, 大きく2つのクラスに分類できることがわかった。我々は,第1級を空間に依存しない支配的劣化と分類し,ダウンサンプリングやノイズ劣化といった画像空間の局所的変化の影響を小さくする。第2級劣化型は、ぼやけなどの画像の空間的位置と密接に関連しており、これらを空間特異的な支配的劣化と同定する。これら2種類の劣化に対処するために,グローバルおよびローカルブランチを統合した動的フィルタネットワークを導入する。このネットワークは、実用上の劣化問題を大幅に軽減することができる。具体的には、グローバルダイナミックフィルタリング層は、アテンション機構によって生成された重みを複数の並列標準畳み込みカーネルに適用することにより、異なる画像における空間非依存的な支配的劣化を知覚し、ネットワークの表現能力を向上することができる。一方、局所動的フィルタリング層は、画像の特徴マップを空間特異的な動的フィルタリング演算子に変換し、画像の特徴に対して空間特異的な畳み込み操作を行い、空間特異的な支配的劣化を処理する。提案手法は,グローバルな動的フィルタリング演算子と局所的な動的フィルタリング演算子を効果的に統合することにより,合成画像と実画像の両方において最先端のブラインド超解像アルゴリズムより優れる。

論文の概要: Adaptive Blind Super-Resolution Network for Spatial-Specific and Spatial-Agnostic Degradations

関連論文リスト