要約
近年、デジタル画像技術の広範な利用が進む一方で、高解像度画像への需要も急増している。本研究では、単一画像の超解像（Single Image Super-Resolution: SISR）に対して、エッジ情報を活用する新たなアプローチを提案する。SISR問題を画像補完（image inpainting）タスクに再定式化し、二段階の補完モデルをベースラインとして用いることで、基本的な補間手法と比較して、さまざまな拡大倍率（x2、x4、x8）において高い性能を示すことを実証した。本モデルは、画像の内容（テクスチャおよび色）と構造（エッジ）の両方を統合最適化することで学習される。定量的および定性的な比較を通じて、本手法が現在の最先端技術と競合可能な性能を発揮することを示した。さらに、構造とテクスチャの再構成を分離するアプローチが、最終的な高解像度画像の品質向上に寄与することを明らかにした。コードおよびモデルは以下より公開されている：https://github.com/knazeri/edge-informed-sisr