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。
深層学習を利用する超解像(SR)手法の多くは,高解像度画像(HR画像)が双三次補間法などの特定の過程によってのみ縮小された低解像画像(LR画像)に対するSRモデルを学習している.このような手法では,その特定の劣化以外のLR画像に対しては,性能が落ちてしまう.実応用のためには,多様な任意の劣化に対応可能な手法が望まれる.任意の劣化に対応するためのSRとして,入力LR画像が得られた劣化の種類を推定し,その劣化に対応したSRを実行する手法が多く提案されている.しかし,既存手法の多くは,劣化推定の学習には劣化カーネルと真値との損失のみで学習していいる.これに加え,得られるSR画像と劣化推定の結果を使って擬似LR画像を生成し,それと入力LR画像との誤差(差分)も用いることで,劣化推定の性能を上げられると考える.そこで,本研究では,この差分を損失に加え,さらに誤差をモデル内でも使用し,画像特徴量に付与することで,多様な劣化に対応したSR画像生成の精度も上げることを目指す.また,SRと劣化除去(ボケ除去)を反復的に行うことで,より性能の高いSRを目指す.(著者抄録)