潜在空間正則化による画像超解像のための生成敵対ネットワークの最適化【JST・京大機械翻訳】

Zhong Sheng; Zhou Shifu

プレプリント

J-GLOBAL ID：202202212810426006 整理番号：21P0023003

潜在空間正則化による画像超解像のための生成敵対ネットワークの最適化【JST・京大機械翻訳】

Optimizing Generative Adversarial Networks for Image Super Resolution via Latent Space Regularization

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 (2件)： ,
資料名：
発行年： 2020年01月22日プレプリントサーバーでの情報更新日： 2021年01月08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)

自然画像は,高次元ユークリッド空間に埋め込まれた多様体における存在と見なすことができる。生成的敵対ネットワーク(GANs)は,実際の画像に実際の画像分布を学習し,実際の画像を生成するサンプルを生成する。しかし,既存の方法の結果は,単一画像超解像(ISR)のような教師つき学習のために,望ましいグランドトルースターゲット画像が利用可能である場合でさえ,まだ多くの不快なアーチファクトと歪みを示す。本論文では,教師つきGANに対するこれらの問題を軽減する方法を検討した。GANを正則化するためにLipschitz連続条件(LCC)を明示的に適用した。画像空間を新しい最適潜在空間に写像する符号化ネットワークをLCCから導出し,GANを結合要素として増強する。LCCは,局所不変性を強制するために,発電機損失関数における新しい正則化項にも変換される。GANを符号化ネットワークと共に最適化し,発電機をターゲット画像に対してより忠実にサンプルを生成することができるより理想的で解きほぐマッピングに収束することを試みた。提案モデルを単一画像超解像問題に適用するとき,結果は最先端技術の状態を凌駕する。【JST・京大機械翻訳】

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

図形・画像処理一般 , パターン認識

, , ,

前のページに戻る