文献

J-GLOBAL ID：201702286317344867   整理番号：17A0058192

二重学習に基づくジョイント超解像と圧縮アーチファクトの低減【Powered by NICT】

Joint super-resolution and compression artifact reduction based on dual-learning

著者 (4件)： Lee Oh-Young (College of Electrical Engineering, Korea University, Seoul, Korea) ,  Lee Jae-Won (College of Electrical Engineering, Korea University, Seoul, Korea) ,  Lee Dae-Yeol (Electronics and Telecommunications Research Institute, Dae-jeon, Korea) ,  Kim Jong-Ok (College of Electrical Engineering, Korea University, Seoul, Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： VCIP  ページ： 1-4  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 自己学習超解像(SR)を組み合わせた圧縮画像のための二重学習雑音低減(NR)新しい統合フレームワークを提案した。既存学習ベース雑音除去法とは対照的に,二重学習に基づく関節SRおよびNRは,雑音除去された訓練セットを添加することにより提案した。訓練セットに近いパッチを参照して高度に圧縮された雑音のための提案したフレームワークは,より適している。関節フレームワークは,同時にNRとSRの実行のための過程を学習できるように設計されているので,SRアーチファクトのためのロバストである。実験結果は,提案した関節SRおよびNR骨格はより高い客観的および主観的品質を達成し,NRとSRの個々の処理と比較できることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 雑音低減 ,  ロバスト性 ,  *アーチファクト ,  品質 ,  雑音除去 ,  *学習 ,  雑音 ,  *超解像
準シソーラス用語： 自己学習 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 学習 ,  ジョイント ,  超解像 ,  アーチファクト