- …
- …
#271
summarized by : So Uchida
どんな論文か？
DNNベースの超解像では，低解像度画像の生成過程で適用されるカーネルに学習時と応用時とで乖離があり，実応用時に精度が大幅に劣化する問題がある．本論文では，学習済みモデルはそのままに，応用時の入力画像を修正して学習時のものに近づける手法を提案する．カーネルが既知/未知かによって，信号処理ベースの手法と学習ベースの手法を提案する．
新規性
学習時と応用時のカーネルの差異を減らすため，応用時のカーネルを再現して学習ペアを作成する方法が多く提案されている．これらの方法は再学習が必要であり，既存の学習済みモデルが利用できない．本論文では，既にカーネルが適用された画像に対して処理を加えることで，入力画像を学習時の設定に近づける新しいアプローチを提案している．
結果
Bicubicカーネルを用いて学習したDBPN, ProSR, RCANに対して，提案手法によって修正した低解像度画像を入力することで，PSNRが3-4[dB]ほど改善し，他の劣化も合わせて学習したSRMDを超える精度を確認した．Blindな問題設定においても，劣化の種類によらずKernelGANと同程度以上の精度を示した．
その他（なぜ通ったか？等）
- …
- …