文献

J-GLOBAL ID：202102272306864395   整理番号：21A1030925

Meta学習による超解像ネットワークへの高速適応【JST・京大機械翻訳】

Fast Adaptation to Super-Resolution Networks via Meta-learning

著者 (5件)： Park Seobin (Hanyang University, Seoul, South Korea) ,  Yoo Jinsu (Hanyang University, Seoul, South Korea) ,  Cho Donghyeon (Chungnam National University, Daejeon, South Korea) ,  Kim Jiwon (SK T-Brain, Seoul, South Korea) ,  Kim Tae Hyun (Hanyang University, Seoul, South Korea)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12372  ページ： 754-769  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 従来の教師つき超解像(SR)手法は,大規模な外部SRデータセットで訓練されるが,与えられた試験画像の望ましい特性を利用することができない。他方,自己監督されたSRアプローチは,試験画像内の内部情報を利用するが,実行時間における計算量に悩まされる。本研究では,入力画像から与えられた付加的情報を利用して,従来のSRネットワークのアーキテクチャを変えずに,単一画像超解像(SIR)の性能のさらなる改善の機会を観察した。訓練段階では,メタ学習を介してネットワークを訓練する。したがって,ネットワークは試験時間で任意の入力画像に迅速に適応できる。次に,試験段階において,このメタ学習ネットワークのパラメータを,与えられた低解像度画像だけを用いて,ほんの少しの反復で迅速に微調整した。テスト時間における適応は,自然画像で観察されるパッチ再帰性を完全に利用した。この方法は未知のSRカーネルを効果的に扱い,任意の既存モデルに適用できる。提案したモデル診断手法は,様々なベンチマークSRデータセット上で従来のSRネットワークの性能を一貫して改善することを示した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  *ネットワーク ,  計算量 ,  *超解像 ,  ベンチマーク ,  計算機アーキテクチャ ,  再帰性
準シソーラス用語： 自然画像 ,  実行時間 ,  メタ学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 深層学習 ,  Meta学習 ,  単一画像超解像 ,  パッチ再発

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 学習 ,  超解像 ,  適応