論文の概要: Enhanced Self-Supervised Multi-Image Super-Resolution for Camera Array Images

• arxiv url: http://arxiv.org/abs/2604.06816v1
• Date: Wed, 08 Apr 2026 08:32:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-09 17:30:51.427903
• Title: Enhanced Self-Supervised Multi-Image Super-Resolution for Camera Array Images
• Title（参考訳）: カメラアレイ画像の高精細化と高精細化
• Authors: Yating Chen, Feng Huang, Xianyu Wu, Jing Wu, Ying Shen,
• Abstract要約: マルチアパーチャカメラアレイイメージングは、安定したディスクライクな分布を形成するサンプリングオフセットで空間分布のビューをキャプチャする。 既存のMISRアルゴリズムは、これらのユニークな特性を完全に活用することができない。 改良されたMISR法は、トレーニングデータの劣化パターンに過度に適合する傾向にある。 本稿では、SSLに適したデュアルトランスフォーマと呼ばれる新しいカメラアレイSRネットワークを提案する。
• 参考スコア（独自算出の注目度）: 14.1279842540092
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Conventional multi-image super-resolution (MISR) methods, such as burst and video SR, rely on sequential frames from a single camera. Consequently, they suffer from complex image degradation and severe occlusion, increasing the difficulty of accurate image restoration. In contrast, multi-aperture camera-array imaging captures spatially distributed views with sampling offsets forming a stable disk-like distribution, which enhances the non-redundancy of observed data. Existing MISR algorithms fail to fully exploit these unique properties. Supervised MISR methods tend to overfit the degradation patterns in training data, and current self-supervised learning (SSL) techniques struggle to recover fine-grained details. To address these issues, this paper thoroughly investigates the strengths, limitations and applicability boundaries of multi-image-to-single-image (Multi-to-Single) and multi-image-to-multi-image (Multi-to-Multi) SSL methods. We propose the Multi-to-Single-Guided Multi-to-Multi SSL framework that combines the advantages of Multi-to-Single and Multi-to-Multi to generate visually appealing and high-fidelity images rich in texture details. The Multi-to-Single-Guided Multi-to-Multi SSL framework provides a new paradigm for integrating deep neural network with classical physics-based variational methods. To enhance the ability of MISR network to recover high-frequency details from aliased artifacts, this paper proposes a novel camera-array SR network called dual Transformer suitable for SSL. Experiments on synthetic and real-world datasets demonstrate the superiority of the proposed method.
• Abstract（参考訳）: バーストやビデオSRのような従来のマルチイメージ・スーパーレゾリューション(MISR)手法は、単一のカメラからのシーケンシャルフレームに依存している。 その結果、複雑な画像劣化と重篤な閉塞に悩まされ、正確な画像復元が困難になる。 対照的に、マルチアパーチャカメラアレイイメージングは、安定したディスクライクな分布を形成するサンプリングオフセットで空間的に分散したビューをキャプチャし、観測データの非冗長性を高める。 既存のMISRアルゴリズムは、これらのユニークな特性を完全に活用することができない。 改良されたMISR法は、トレーニングデータの劣化パターンに過度に適合する傾向にあり、現在の自己教師付き学習(SSL)技術は詳細な詳細を回復するのに苦労している。 これらの課題に対処するために,マルチイメージからシングルイメージ (Multi-to-Single) とマルチイメージからマルチイメージ (Multi-to-Multi) のSSL手法の長所,制限,適用性の境界について詳しく検討する。 マルチ・ツー・シングルとマルチ・ツー・マルチの利点を組み合わせたマルチ・ツー・シングル・ガイド・マルチ・マルチ・マルチ・マルチ・マルチ・SSLフレームワークを提案する。 Multi-to-Single-Guided Multi-to-Multi SSLフレームワークは、ディープニューラルネットワークと古典物理学に基づく変分法を統合するための新しいパラダイムを提供する。 そこで本論文では,MISRネットワークがエイリアス化されたアーティファクトから高頻度の詳細を復元する能力を高めるために,SSLに適したデュアルトランスフォーマと呼ばれる新しいカメラアレイSRネットワークを提案する。 合成および実世界のデータセットに関する実験は,提案手法の優位性を実証している。

関連論文リスト

• Learning to Restore Multi-Degraded Images via Ingredient Decoupling and Task-Aware Path Adaptation [51.10017611491389]
  現実のイメージは、雨、騒音、ヘイズのような複数の共存する劣化に悩まされることが多い。 本稿では, 劣化成分の分解表現を利用して, 画像の再構成を行う適応型多重劣化画像復元ネットワークを提案する。 その結果、IMDNetと呼ばれる密に統合されたアーキテクチャは、実験を通じて広範囲に検証されている。
  論文  参考訳（メタデータ） (2025-11-07T01:50:36Z)
• Hybrid-Supervised Dual-Search: Leveraging Automatic Learning for Loss-free Multi-Exposure Image Fusion [60.221404321514086]
  マルチ露光画像融合(MEF)は、様々な露光レベルを表すデジタルイメージングの限界に対処するための重要な解決策である。 本稿では、ネットワーク構造と損失関数の両方を自動設計するための二段階最適化探索方式であるHSDS-MEFと呼ばれるMEFのためのハイブリッドスーパービジョンデュアルサーチ手法を提案する。
  論文  参考訳（メタデータ） (2023-09-03T08:07:26Z)
• Gated Multi-Resolution Transfer Network for Burst Restoration and Enhancement [75.25451566988565]
  低画質の原画像のバーストから空間的精度の高い高画質画像を再構成する新しいGated Multi-Resolution Transfer Network (GMTNet)を提案する。 5つのデータセットに関する詳細な実験分析は、我々のアプローチを検証し、バースト超解像、バーストデノイング、低照度バーストエンハンスメントのための最先端技術を設定する。
  論文  参考訳（メタデータ） (2023-04-13T17:54:00Z)
• Multi-scale frequency separation network for image deblurring [10.511076996096117]
  本稿では,マルチスケール周波数分離ネットワーク (MSFS-Net) を用いた画像分解手法を提案する。 MSFS-Netは複数のスケールで画像の低周波・高周波情報をキャプチャする。 ベンチマークデータセットの実験により,提案したネットワークが最先端の性能を達成することが示された。
  論文  参考訳（メタデータ） (2022-06-01T23:48:35Z)
• Transformer-empowered Multi-scale Contextual Matching and Aggregation for Multi-contrast MRI Super-resolution [55.52779466954026]
  マルチコントラスト・スーパーレゾリューション (SR) 再構成により, SR画像の高画質化が期待できる。 既存の手法では、これらの特徴をマッチングし、融合させる効果的なメカニズムが欠如している。 そこで本稿では,トランスフォーマーを利用したマルチスケールコンテキストマッチングとアグリゲーション技術を開発することで,これらの問題を解決する新しいネットワークを提案する。
  論文  参考訳（メタデータ） (2022-03-26T01:42:59Z)
• MC-Blur: A Comprehensive Benchmark for Image Deblurring [127.6301230023318]
  ほとんどの実世界の画像では、ブラーは動きやデフォーカスなど様々な要因によって引き起こされる。 我々は,MC-Blurと呼ばれる大規模マルチライク画像デブロアリングデータセットを新たに構築する。 MC-Blurデータセットに基づいて,異なるシナリオにおけるSOTA法の比較を行う。
  論文  参考訳（メタデータ） (2021-12-01T02:10:42Z)
• Multi-Contrast MRI Super-Resolution via a Multi-Stage Integration Network [31.591461062282384]
  超解像(SR)はMRIの画質向上に重要な役割を担っている MRIはマルチコントラスト画像を生成し、軟部組織の明瞭な表示を提供する。 本研究では,マルチコントラストMRI SRのための多段階統合ネットワーク (MINet) を提案する。
  論文  参考訳（メタデータ） (2021-05-19T06:47:31Z)
• 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)
• Learning Enriched Features for Real Image Restoration and Enhancement [166.17296369600774]
  畳み込みニューラルネットワーク(CNN)は、画像復元作業における従来のアプローチよりも劇的に改善されている。 ネットワーク全体を通して空間的精度の高い高解像度表現を維持することを目的とした,新しいアーキテクチャを提案する。 提案手法は,高解像度の空間的詳細を同時に保存しながら,複数のスケールからの文脈情報を組み合わせた豊富な特徴集合を学習する。
  論文  参考訳（メタデータ） (2020-03-15T11:04:30Z)

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。