2달 전

단일 이미지 초해상도를 위한 완전히 점진적인 접근법

Yifan Wang; Federico Perazzi; Brian McWilliams; Alexander Sorkine-Hornung; Olga Sorkine-Hornung; Christopher Schroers
단일 이미지 초해상도를 위한 완전히 점진적인 접근법
초록

최근 싱글 이미지 슈퍼 리졸루션에 대한 딥 러닝 접근법은 전통적인 오류 측정과 지각 품질 측면에서 인상적인 결과를 달성하였습니다. 그러나 각 경우에서 큰 업샘플링 요인에 대해 고품질의 결과를 얻는 것은 여전히 어려운 문제입니다. 이에 우리는 아키텍처와 학습 모두 점진적으로 이루어지는 방법(ProSR)을 제안합니다. 이 방법은 네트워크가 중간 단계에서 이미지를 업샘플링하면서, 학습 과정이 쉬운 것부터 어려운 것으로 구성되도록 하여 커리큘럼 학습과 유사한 방식으로组织实施(organize)됩니다. 더욱 실제와 유사한 결과를 얻기 위해, 우리는 같은 점진적 다중 스케일 설계 원칙을 따르는 생성적 적대 네트워크(GAN), 즉 ProGanSR을 설계하였습니다. 이는 8배 등의 큰 업샘플링 요인에서도 잘 확장될 수 있게 하며, 동시에 모든 업샘플링 요인에 대한 재구성 품질을 개선하는 원칙적인 다중 스케일 접근법을 제공합니다. 특히 ProSR은 NTIRE2018 SISR 챌린지 [34]에서 SSIM 기준으로 2위, PSNR 기준으로 4위를 차지하였습니다. 최고 순위의 팀과 비교하여 우리의 모델은 약간 낮지만, 실행 속도는 5배 더 빠릅니다.

단일 이미지 초해상도를 위한 완전히 점진적인 접근법 | 최신 연구 논문 | HyperAI초신경