非対画像超解像における最適輸送展望【JST・京大機械翻訳】

Gazdieva Milena; Rout Litu; Korotin Alexander; Kravchenko Andrey; Filippov Alexander; Burnaev Evgeny

プレプリント

J-GLOBAL ID：202202220832903889 整理番号：22P0283728

非対画像超解像における最適輸送展望【JST・京大機械翻訳】

An Optimal Transport Perspective on Unpaired Image Super-Resolution

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 (6件)： , , , , ,
資料名：
発行年： 2022年02月02日プレプリントサーバーでの情報更新日： 2022年10月11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)

実世界画像超解像(SR)タスクは,しばしば対データセットを持たず,教師つき技術の適用を制限する。その結果,タスクは,通常,いくつかの正則化項,例えば,コンテンツまたは同一性損失を伴う複雑な訓練損失を生じる,Generative Adversarial Network(GAN)に基づく不対技法によってアプローチされる。そのようなモデルで生じる最適化問題を理論的に調べ,2つの驚くべき観察を見出した。最初に,学習されたSRマップは常に最適輸送(OT)マップである。第2に,学習されたマップがバイアスされ,すなわち,低解像度画像の分布を高解像度のものに実際に変換しないことを,理論的に証明し,経験的に示す。これらの知見に触発されて,知覚輸送コストのために不偏OTマップを学習する不対SRのためのアルゴリズムを提案した。既存のGANベースの代替案と異なり,このアルゴリズムは,複雑なハイパーパラメータ選択と付加的正則化の適用の必要性を低減する簡単な最適化目的を持っている。同時に,それは大規模不対AIM19データセットに関してほとんど最先端の性能を提供した。【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