論文の概要: Deep Learning Empowered Super-Resolution: A Comprehensive Survey and Future Prospects
- arxiv url: http://arxiv.org/abs/2509.22692v1
- Date: Fri, 19 Sep 2025 17:17:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-06 05:29:07.798635
- Title: Deep Learning Empowered Super-Resolution: A Comprehensive Survey and Future Prospects
- Title（参考訳）: 深層学習を活用した超解法 : 包括的調査と今後の展望
- Authors: Le Zhang, Ao Li, Qibin Hou, Ce Zhu, Yonina C. Eldar,
- Abstract要約: 超解像(SR)は、ディープラーニング(DL)技術の進歩によって、コンピュータビジョンコミュニティ内で大きな注目を集めている。
本稿では,単一画像超解像 (SISR) ,ビデオ超解像 (VSR) ,ステレオ超解像 (SSR) ,光場超解像 (LFSR) を包含する多種多様なSR法を詳細に検討する。
- 参考スコア（独自算出の注目度）: 104.38752472521917
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Super-resolution (SR) has garnered significant attention within the computer vision community, driven by advances in deep learning (DL) techniques and the growing demand for high-quality visual applications. With the expansion of this field, numerous surveys have emerged. Most existing surveys focus on specific domains, lacking a comprehensive overview of this field. Here, we present an in-depth review of diverse SR methods, encompassing single image super-resolution (SISR), video super-resolution (VSR), stereo super-resolution (SSR), and light field super-resolution (LFSR). We extensively cover over 150 SISR methods, nearly 70 VSR approaches, and approximately 30 techniques for SSR and LFSR. We analyze methodologies, datasets, evaluation protocols, empirical results, and complexity. In addition, we conducted a taxonomy based on each backbone structure according to the diverse purposes. We also explore valuable yet under-studied open issues in the field. We believe that this work will serve as a valuable resource and offer guidance to researchers in this domain. To facilitate access to related work, we created a dedicated repository available at https://github.com/AVC2-UESTC/Holistic-Super-Resolution-Review.
- Abstract（参考訳）: 超解像(SR)は、ディープラーニング(DL)技術の進歩と高品質なビジュアルアプリケーションへの需要の増加によって、コンピュータビジョンコミュニティ内で大きな注目を集めている。
この分野の拡大に伴い、多くの調査がおこなわれた。
既存の調査のほとんどは特定のドメインに焦点を当てており、この分野の包括的な概要を欠いている。
本稿では,単一画像超解像 (SISR) ,ビデオ超解像 (VSR) ,ステレオ超解像 (SSR) ,光場超解像 (LFSR) を包含する多種多様なSR法を詳細に検討する。
本稿では,150以上のSISR法,70近いVSR法,約30のSSRおよびLFSR技術について概説する。
方法論、データセット、評価プロトコル、経験結果、複雑さを分析します。
また,各背骨構造に基づく分類を多種多様な目的で実施した。
また、この分野の未調査のオープンイシューについても検討しています。
この研究は貴重なリソースとして役立ち、この分野の研究者にガイダンスを提供すると信じています。
関連作業へのアクセスを容易にするため、https://github.com/AVC2-UESTC/Holistic-Super-Resolution-Review.comで利用可能な専用リポジトリを作成しました。
関連論文リスト
- A Survey of Deep Learning Video Super-Resolution [1.074960192271861]
ビデオ超解像(VSR)は低レベルコンピュータビジョンにおける顕著な研究課題である。
深層学習技術は、VSR研究において重要な役割を果たしている。
論文 参考訳（メタデータ） (2025-06-03T05:42:19Z) - Advancing Image Super-resolution Techniques in Remote Sensing: A Comprehensive Survey [15.858551864010703]
リモートセンシング画像超解像(RSISR)は,リモートセンシング画像処理において重要な課題である。
近年、RSISR法が提案されているが、これらの手法の体系的かつ包括的なレビューはいまだに欠落している。
本稿では、RSISRアルゴリズムの徹底的なレビューを行い、方法論、データセット、評価指標について述べる。
論文 参考訳（メタデータ） (2025-05-29T08:55:14Z) - Composed Multi-modal Retrieval: A Survey of Approaches and Applications [81.54640206021757]
複合マルチモーダル検索(CMR)は次世代技術として誕生する。
CMRは、参照視覚入力とテキスト修正を統合することで、画像やビデオをクエリすることを可能にする。
本稿では,CMRの基礎的課題,技術的進歩,応用について概説する。
論文 参考訳（メタデータ） (2025-03-03T09:18:43Z) - A Survey on Interpretable Cross-modal Reasoning [64.37362731950843]
マルチメディア分析から医療診断に至るまで、クロスモーダル推論(CMR)が重要な分野として浮上している。
この調査は、解釈可能なクロスモーダル推論(I-CMR)の領域を掘り下げる
本調査では,I-CMRの3段階分類法について概説する。
論文 参考訳（メタデータ） (2023-09-05T05:06:48Z) - Guided Depth Map Super-resolution: A Survey [88.54731860957804]
誘導深度マップ超解像(GDSR)は、高分解能(HR)深度マップを低分解能(LR)観測から2枚のHRカラー画像の助けを借りて再構成することを目的としている。
近年,特に強力な深層学習技術を用いて,斬新で効果的なアプローチが多数提案されている。
この調査は、GDSRの最近の進歩に関する包括的調査を提示する試みである。
論文 参考訳（メタデータ） (2023-02-19T15:43:54Z) - Fine-Grained Image Analysis with Deep Learning: A Survey [146.22351342315233]
きめ細かい画像解析(FGIA)は、コンピュータビジョンとパターン認識における長年の根本的な問題である。
本稿では、FGIAの分野を再定義し、FGIAの2つの基礎研究領域、細粒度画像認識と細粒度画像検索を統合することで、FGIAの分野を広げようとしている。
論文 参考訳（メタデータ） (2021-11-11T09:43:56Z) - A Systematic Survey of Deep Learning-based Single-Image Super-Resolution [44.40478296457616]
単一像超解像(SISR)は画像処理において重要な課題であり、画像システムの解像度を高めることを目的としている。
最近、SISRは大きな飛躍を遂げ、ディープラーニング(DL)の助けを借りて有望な成果を上げている。
論文 参考訳（メタデータ） (2021-09-29T10:41:41Z) - Video Super Resolution Based on Deep Learning: A Comprehensive Survey [87.30395002197344]
深層学習に基づく33の最先端ビデオ超解像法(VSR)を包括的に検討した。
そこで本研究では,フレーム間情報を利用した分類手法を提案し,その手法を6つのサブカテゴリに分類する。
いくつかのベンチマークデータセットにおける代表的VSR法の性能を要約し比較する。
論文 参考訳（メタデータ） (2020-07-25T13:39:54Z)
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。