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。
単一画像超解像(ISR)に対する既存の手法は,品質低解像度(LR-HR)対と利用可能な劣化カーネルを,完全教師つき方法で手の特定のタスクのためのネットワークを訓練する。しかし,訓練に使用されるラベル付きデータは,通常,量や多様性劣化カーネルに関して制限される。1つの劣化カーネル(例えば,バイキュービック)を持つ学習されたSRネットワークは,よく一般化せず,その性能は,他のカーネル(例えば,ぼやけや雑音)で急激に劣化する。本論文では,SIRに対する重大な課題,即ち,限定されたラベル付きLR画像と劣化カーネルを扱った。S 2 TSRと呼ばれる新しい半教師つきStudent-Tacher Super-Resolution法(S2 TSRと呼ぶ)を提案し,ラベル付きおよびラベル無しLR画像を敵対的学習により超解決した。ラベル付きLR画像から情報をより良く利用するために,教師付き学習(T)から教師なし学習(S)への知識移転を介して,学生-教師フレームワーク(S-T)を提案した。特に,S-T知識転送は,共有SRネットワーク,二重識別器の部分重み共有,及び,また,また,また,”最後に,限定されたラベル付きLR画像からより良い特徴を学習するために,非局所および注意機構を介して新しいSRネットワークを提案した。実験により,提案アプローチは教師なし手法を大幅に改善し,完全に教師つき手法よりも良好に機能することを示した。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】