要約
高スペクトルカメラを用いた視覚画像の取得は、その狭帯域画像化技術の特長から、多岐にわたる分野において成功裏に応用されてきた。RGB画像からの高スペクトル再構成とは、逆の応答関数を同定することで、高スペクトル画像の取得プロセスを逆転させる手法を指す。現在の手法は主にRGB画像を対応するスペクトルに直接写像するが、文脈情報（コンテキスト情報）を明示的に考慮していない。さらに、既存のアルゴリズムで用いられるエンコーダ-デコーダ構造は、情報の損失を引き起こす要因となっている。これらの課題に対処するため、本研究ではピクセルシャッフル層を用いた階層間相互作用を備えた4段階の階層的回帰ネットワーク（HRNet）を提案する。また、実世界のRGB画像に含まれるアーティファクトを低減するために残差密接続ブロック（residual dense block）を採用し、受容場を拡大するための注意機構（attention mechanism）を構築するために残差グローバルブロック（residual global block）を導入している。本研究では、RGB画像からのスペクトル再構成に関するNTIRE 2020チャレンジに参加し、提案手法のHRNetを他のアーキテクチャや技術と比較評価した。その結果、HRNetはトラック2（実世界画像）で優勝し、トラック1（クリーンな画像）では3位を獲得した。コードおよび事前学習済みモデルの利用は、プロジェクトウェブページ（https://github.com/zhaoyuzhi/Hierarchical-Regression-Network-for-Spectral-Reconstruction-from-RGB-Images）にて行える。