- …
- …
#170
summarized by : 近藤 佑樹 (Yuki Kondo)
どんな論文か？
近年の超解像(SR)手法の多くは，高解像画像(HR)から低解像画像(LR)を人工的に生成し，学習しているが，現実のシナリオで得られるLRとはドメインギャップがあり，汎用的ではない．この解決手法としてGANを用いた不対データセットによるドメイン適応が有効とされているが，既存手法では画像間でこの適応が行われていた．本論文では特徴量レベルでのドメイン適応の観点から現実問題に即したSRを再考する．
新規性
実HRから生成されたLRのドメインを特徴量レベルで実LRのドメインに近づけるために，以下を提案．
①：LSGANを用いた特徴分布アライメント，
②： SRタスクで重要な特徴となる高周波成分を保持したドメイン適応を実現するための特徴ドメイン正則化
結果
得られた特徴空間を用いることで，現実的な劣化を任意に持つ実LRに対して，鮮明なSRを出力．不対データセットにおいて，知覚的品質の評価指標LPIPSで既存のブラインド/教師なしSR手法と比較した結果，最高性能を獲得．定性評価では，提案手法はアーティファクトは発生しないものの，滑らかなSR表現となってしまうことを残存課題とする．
その他（なぜ通ったか？等）
Unofficial code: https://pythonrepo.com/repo/anse3832-USR_DA-python-deep-learning
- …
- …