画像統計の深いモデリングによるBayes画像超解像【JST・京大機械翻訳】

Gao Shangqi; Zhuang Xiahai

プレプリント

J-GLOBAL ID：202202219386734964 整理番号：22P0324120

画像統計の深いモデリングによるBayes画像超解像【JST・京大機械翻訳】

Bayesian Image Super-Resolution with Deep Modeling of Image Statistics

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： 2022年03月31日プレプリントサーバーでの情報更新日： 2022年03月31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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

画像事前確率のモデリング統計は画像超解像に有用であるが,深層学習ベース手法の大規模作業からはほとんど注意が払われていない。本研究では,Bayes画像復元フレームワークを提案し,そこでは自然画像統計量を平滑性とスパース性の組合せでモデル化した。具体的には,まず,平滑要素とスパース性残差の和として理想的な画像を考察し,ぼけ,ダウンスケーリング,および雑音崩壊を含む実際の画像劣化をモデル化する。次に,それらの後部を推論するための変分Bayesアプローチを開発した。最後に,深層ニューラルネットワークを用いて単一画像超解像(ISR)に対する変分手法を実装し,教師なし訓練戦略を提案した。3つの画像復元タスク,すなわち,理想SIR,現実的SIR,および実世界SIRに関する実験は,著者らの方法が,雑音レベルと劣化カーネルを変化するための優れたモデル一般化可能性を持ち,教師なしSIRにおいて有効であることを示した。コードと得られたモデルを,ウルル{https://zmiclab.github.io/projects.html}によって解放した。【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