文献

J-GLOBAL ID：201802233353125492   整理番号：18A0137095

ぼやけた顔およびテキスト画像を超分解するための学習【Powered by NICT】

Learning to Super-Resolve Blurry Face and Text Images

著者 (6件)： Xu Xiangyu ,  Sun Deqing ,  Pan Jinshan ,  Zhang Yujin ,  Pfister Hanspeter ,  Yang Ming-Hsuan
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCV  ページ： 251-260  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： ぼやけた低解像度入力から高分解能画像を回復する直接アルゴリズムを提案した。この問題は高度に不適切と既存の超解像法(明確な入力を必要とする)とぼけ除去法(高分解能入力を必要とする)のための基本的な仮定は長くなかった。顔およびテキスト画像に焦点を当てて,この問題を解決するためにカテゴリー特異的事前確率を学習するための生成的敵対的ネットワーク(GAN)を採用した。しかし,基本GAN定式化は,現実的な高分解能画像を生成しなかった。本研究では,微細な詳細を回復する新しい訓練損失を導入した。も多クラス画像復元タスク,すなわち,顔およびテキスト画像を処理し,単一発生器ネットワークを用いたできる多クラスGaNを提示した。広範な実験により,この手法は低い計算コストで人工的および実世界画像の両者の上で最先端の方法に対する性能が高いことを実証した。Copyright 2018 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： *画像 ,  ネットワーク ,  アルゴリズム ,  窒化ガリウム ,  超解像 ,  事前確率 ,  高分解能 ,  定式化 ,  画像復元
準シソーラス用語： 最先端 ,  計算コスト ,  ぼけ修正 ,  高精細画像 ,  低分解能 ,  *テキスト , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 顔 ,  分解 ,  学習