深層2ストリーム畳込みネットワークを用いた画像超解像のためのブラインド品質評価【JST・京大機械翻訳】

Zhou Wei; Jiang Qiuping; Wang Yuwang; Chen Zhibo; Li Weiping

プレプリント

J-GLOBAL ID：202202206931823738 整理番号：22P0134443

深層2ストリーム畳込みネットワークを用いた画像超解像のためのブラインド品質評価【JST・京大機械翻訳】

Blind Quality Assessment for Image Superresolution Using Deep Two-Stream Convolutional Networks

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2020年04月13日プレプリントサーバーでの情報更新日： 2020年04月13日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

低空間分解能で入力画像から高解像度(HR)画像を再構成するために,多数の画像超解像(SR)アルゴリズムを提案した。しかし,SR画像の知覚品質を効果的に評価することは,挑戦的な研究課題である。本論文では,非参照/ブラインド深層ニューラルネットワークベースSR画像品質評価者(DeepSRQ)を提案した。種々の歪んだSR画像のより識別的な特徴表現を学ぶために,提案したDeepSRQは,歪んだ構造とテクスチャSR画像のための2つのサブコンポーネントを含む2ストリーム畳込みネットワークである。従来の画像歪と異なり,SR画像のアーチファクトは画像構造とテクスチャ品質劣化の両方を引き起こす。従って,1つの画像ストリームから直接学習特徴の代わりに,SR入力の異なる特性を捕捉する2ストリーム方式を選択した。人間の視覚システム(HVS)特性を考慮して,構造ストリームは構造劣化における特徴の抽出に焦点を合わせ,一方,テクスチャストリームはテクスチャ分布の変化に焦点を合わせる。さらに,訓練データを強化し,カテゴリーバランスを確保するために,更なる改善のためのストライドベースの適応作付け手法を提案した。3つの公的に利用可能なSR画像品質データベースに関する実験結果は,最先端の画像品質評価アルゴリズムと比較して,提案DeepSRQ法の有効性と一般化能力を実証した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

図形・画像処理一般

, , , , ,

前のページに戻る