要約
近年、ディープラーニングはスーパーレゾリューション（SR）の性能に劇的な飛躍をもたらしました。しかし、これらのSR手法は監視学習であるため、特定の訓練データに制限されます。高解像度（HR）画像から低解像度（LR）画像を取得する過程は事前に決定されており（例：バイキュービックダウンスケーリング）、センサノイズや画像圧縮、非理想的なPSFなどの不要なアーティファクトが含まれていません。実際のLR画像は、これらの制約に従うことがほとんどなく、SotA（State of the Art）手法によるSR結果が悪くなることがあります。本論文では、「ゼロショット」SRを導入します。これはディープラーニングの力を活用しながら、事前の訓練に依存しない手法です。単一の画像内での情報の内部再現性を利用し、テスト時に入力画像から抽出されたサンプルのみを使用して小さな画像特有のCNNを訓練します。これにより、各画像に対して異なる設定に適応することができます。この方法は、実際の古い写真やノイジーな画像、生物学的データなど、取得過程が未知または非理想的な場合でもSRを行うことができます。このような画像において、当手法はSotAのCNNベースのSR手法および以前の非監視SR手法を上回ります。当方針では、これが初めての非監視CNNベースのSR手法であると認識しています。