- …
- …
#308
summarized by : Masaki Miyamoto
どんな論文か？
画像超解像処理の分野において，深層学習は性能向上において大きな貢献をもたらした．しかし，人間の視覚において一般的に存在するフィードバックメカニズムは既存手法では十分に活用されていない．本稿では高レベルの情報を用いて低レベルの表現を改良するための画像超解像処理フィードバックネットワーク，SRFBNを提案する．具体的には，提案手法に制限付きリカレントニューラルネットワークの隠れ状態を使用する．
新規性
・フィードバック機構を用いた少ないパラメータで学習できる画像超解像ネットワーク
・フィードバック情報フローを効率的に処理するだけでなく，アップサンプリングレイヤとダウンサンプリングレイヤを介して，高度な表現と密なスキップ接続を可能にするフィードバックブロック
・提案手法のためのカリキュラムベースのトレーニング戦略
結果
BDとDN，BIの劣化モデルを用いてSet5，Set14，B100，Urban100，Manga109のデータセットを学習した場合，既存手法であるSRCNN，VDSR，IRCNN_G，IR-CNN_C，SRMD（NF），RDNより平均のPSNR/SSIM量が高いという結果になった．よって，本提案手法は最先端の方法と比較して，より高い性能を達成できることが確認された．
その他（なぜ通ったか？等）
- …
- …