効率的かつスケールロバストな超高精細画像のモアレ除去へ向けて

モバイルデバイスの急速な発展に伴い、現代の一般的なスマートフォンは、4K解像度（すなわち超高精細）画像の撮影を可能としている。しかし、低レベルビジョンにおける挑戦的なタスクである画像モアレ除去に関して、従来の研究は一般的に低解像度または合成画像を対象としている。その結果、これらの手法が4K解像度の画像に対してどの程度有効であるかは依然として不明である。本論文では、超高精細画像におけるモアレパターン除去に着目し、5,000組の実世界の4K解像度画像を含む、初めての超高精細モアレ除去データセット（UHDM）を提案する。さらに、現在の最先端手法を用いたベンチマーク評価を実施する。また、4Kモアレ画像に対処するための効率的なベースラインモデルESDNetを提案し、モアレパターンのスケール変動に対応するため、意味的整合性を考慮したスケール感知モジュールを構築している。広範な実験により、本手法の有効性が確認された。提案手法は、最先端手法を大きく上回る性能を発揮しつつ、モデルサイズははるかに軽量である。コードおよびデータセットは、https://xinyu-andy.github.io/uhdm-page にて公開されている。