Fungsi carian sedang dalam pembinaan.
Fungsi carian sedang dalam pembinaan.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Image Super-Resolution via Generative Adversarial Networks Using Metric Projections onto Consistent Sets for Low-Resolution Inputs Imej Super-Resolution melalui Generative Adversarial Networks Menggunakan Unjuran Metrik pada Set Konsisten untuk Input Resolusi Rendah

Hiroya YAMAMOTO, Daichi KITAHARA, Hiroki KURODA, Akira HIRABAYASHI

  • pandangan teks lengkap

    0

  • Petikan Ini

Ringkasan:

Kertas kerja ini membincangkan resolusi super (SR) imej tunggal berdasarkan rangkaian saraf konvolusi (CNN). Adalah diketahui bahawa pemulihan komponen frekuensi tinggi dalam imej SR keluaran CNN yang dipelajari oleh ralat kuasa dua terkecil atau ralat mutlak terkecil adalah tidak mencukupi. Untuk menjana komponen frekuensi tinggi yang realistik, kaedah SR menggunakan rangkaian adversarial generatif (GAN), terdiri daripada satu penjana dan satu diskriminasi, dibangunkan. Walau bagaimanapun, apabila penjana cuba untuk mendorong salah penilaian diskriminasi, bukan sahaja komponen frekuensi tinggi yang realistik tetapi juga beberapa artifak dijana, dan indeks objektif seperti PSNR menurun. Untuk mengurangkan artifak dalam kaedah SR berasaskan GAN, kami mempertimbangkan set semua imej SR yang ralat segi empat sama antara hasil penskalaan bawah dan imej input berada dalam julat tertentu, dan mencadangkan untuk menggunakan unjuran metrik ke atas ini set konsisten dalam lapisan keluaran penjana. Teknik yang dicadangkan menjamin ketekalan antara imej SR keluaran dan imej input, dan penjana dengan unjuran yang dicadangkan boleh menjana komponen frekuensi tinggi dengan sedikit artifak sambil mengekalkan yang berfrekuensi rendah mengikut kesesuaian untuk tahap hingar yang diketahui. Percubaan berangka menunjukkan bahawa teknik yang dicadangkan mengurangkan artifak yang disertakan dalam imej SR asal kaedah SR berasaskan GAN sambil menjana komponen frekuensi tinggi yang realistik dengan nilai PSNR yang lebih baik dalam kedua-dua bebas bunyi and bising situasi. Memandangkan teknik yang dicadangkan boleh diintegrasikan ke dalam pelbagai penjana jika proses penurunan skala diketahui, kami boleh memberikan ketekalan kepada kaedah sedia ada dengan imej input tanpa merendahkan prestasi SR yang lain.

Jawatankuasa
IEICE TRANSACTIONS on Fundamentals Vol.E105-A No.4 pp.704-718
Tarikh penerbitan
2022/04/01
Diumumkan
2021/09/29
ISSN dalam talian
1745-1337
DOI
10.1587/transfun.2021EAP1038
Jenis Manuskrip
PAPER
kategori
Image

Pengarang

Hiroya YAMAMOTO
  Ritsumeikan University
Daichi KITAHARA
  Ritsumeikan University
Hiroki KURODA
  Ritsumeikan University
Akira HIRABAYASHI
  Ritsumeikan University

Kata kunci

Contents [show]