#8
summarized by : Tong Zheng
RRSR:Reciprocal Reference-Based Image Super-Resolution with Progressive Feature Alignment and Selection

どんな論文か?

Reference-based 超解像 。一般の教師あり学習問題においては、入力に対する正解データを提示することで、モデルの重みを最適化する。一方、Reference-based super-resolutionの問題設定では、入力の低解像度画像に対する高解像度画像(正解)がありません。そのため、ほかの高解像度画像を参照できるモデルを作り、低解像度画像を超解像します。
placeholder

新規性

1. Reciprocal learning. 高解像度画像を参照し低解像度画像を超解像する。その後超解像結果を参照し、高解像度画像の縮小画像の超解像を行う。 2. Progressive Feature Alignment. 高解像度画像は低解像度画像に合ってると合っていない特徴がある。合っている特徴の重みを大きくする、合っていない特徴の重みを小さくする特徴抽出フィルターを作った。

結果

四つのdatasetでSOTAであるC2-Matchingを上回った。四つのdatasetでC2-Matchingよりやや劣ってる。

その他(なぜ通ったか?等)

Reciprocal learningを超解像に適用する発想が面白い。