文献

J-GLOBAL ID：201802218542651340   整理番号：18A1621639

空間変換器ネットワークを用いた単一画像超解像【JST・京大機械翻訳】

Single Image Super-resolution Using Spatial Transformer Networks

著者 (4件)： Wang Qiang (State Key Laboratory of Robotics, Chinese Academy of Sciences, Shenyang Institute of Automation, Shenyang, 110016, China) ,  Fan Huijie (State Key Laboratory of Robotics, Chinese Academy of Sciences, Shenyang Institute of Automation, Shenyang, 110016, China) ,  Cong Yang (State Key Laboratory of Robotics, Chinese Academy of Sciences, Shenyang Institute of Automation, Shenyang, 110016, China) ,  Tang Yandong (State Key Laboratory of Robotics, Chinese Academy of Sciences, Shenyang Institute of Automation, Shenyang, 110016, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CYBER  ページ： 564-567  発行年： 2017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： 以前のモデルの大部分は,単一画像超解像(SISR)に対して良く機能した。これらの方法において,低分解能(LR)入力画像を,双性補間を通して高分解能(HR)のサイズに増幅した。しかしながら,双性補間は,1つのフィルタだけで画像の高周波特徴を表すことができない。したがって,本論文では,入力画像空間から特徴マップを効果的に抽出し,空間変換ネットワーク(STN)に基づいてHR特徴マップに変換するオリジナルのフレームワークを用いた。著者らのSTN-SR法において,3種類のパラメータがモデルから学習されるべきである。(i)LR画像特徴マップを抽出するための一連のフィルタ;(ii)変換Γ_θ(G)のパラメータを学習するための局所小ネットワーク,および(iii)復元層を通して入力HR特徴マップからHRパッチを復元するためのフィルタパラメータ。このモデルは全画像に直接焦点を合わせ,提案したSTN-SR法は画像を多くの小サイズパッチにクリップせず,よりロバストな局所テクスチャを再構築するために画像ゴバルメッセージを用いることができる。優先SR法と比較して,提案したSTN-SR法は,より良いエッジとテクスチャ保存性能を示しながら,完全に実画像を得ることができる。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： フィルタ ,  再構成 ,  内挿法 ,  *画像 ,  ロバスト性 ,  *変換器 ,  *超解像 ,  *ネットワーク ,  高分解能 ,  HF【周波数】
準シソーラス用語： 質感 ,  特徴マップ ,  低分解能 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 変換器 ,  超解像