水中画像の超解像に向けたディープリジッドマルチプライヤーの活用

自律型水中ロボットのための水中画像における単一画像超解像（SISR）を実現する、深層残差ネットワークに基づく生成モデルを提案する。また、ペアデータからのSISR学習を可能にする敵対的訓練パイプラインを提供する。訓練の監督のために、画像のグローバルなコンテンツ、色調、局所的なスタイル情報を基に、画像の「知覚的品質」を評価する目的関数を定式化した。さらに、高解像度（640×480）と低解像度（80×60、160×120、320×240）の3種類の空間解像度を持つ水中画像から構成される大規模データセット「USR-248」を公開する。USR-248は、2倍、4倍、8倍のSISRモデルに対する教師あり学習に適したペアデータを含んでいる。本研究では、定性的および定量的な実験を通じて、提案モデルの有効性を検証し、複数の最先端モデルと比較して性能を評価した。さらに、ノイズが多発する視覚環境下におけるシーン理解や注目モデル化などの実用的応用可能性についても分析した。