抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
学習ベースの画像超解像(SR)に関するほとんどの研究において,ペア訓練データセットは,あらかじめ決められた操作(例えば,バイキュービック)で高分解能(HR)画像をダウンスケーリングすることによって作成される。しかし,これらの方法は,劣化過程がはるかに複雑で未知である,実世界低解像度(LR)画像を超解決できない。本論文では,対/整列訓練データセットを必要としない生成敵対ネットワークを用いた不対SR法を提案した。このネットワークは不対カーネル/雑音補正ネットワークと擬似対SRネットワークから成る。補正ネットワークは雑音を除去し,入力LR画像のカーネルを調整する。次に,補正クリーンLR画像をSRネットワークによってアップスケールした。訓練フェーズでは,補正ネットワークも入力されたHR画像から擬似クリーンLR画像を生成し,次に,擬似クリーンLR画像から入力されたHR画像へのマッピングを,ペア方式でSRネットワークによって学習する。SRネットワークが補正ネットワークに依存しないので,よく研究された既存のネットワークアーキテクチャとピクセルワイズ損失関数は,提案したフレームワークと統合できる。多様なデータセットに関する実験は,提案方法が不対SR問題に対する既存の解法より優れていることを示した。Copyright 2020 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】