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。
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】