歪みを最小化する高周波成分の学習に基づく超解像度化方法(一般セッション7)

スポンサーリンク

概要

論文の詳細を見る
事例に基づく超解像度化のための新しい学習方法を提案する.事例学習型の超解像方法は,大量の事例における低周波成分と高周波成分の相関関係を利用することにより,鮮鋭な高解像度画像を得る方法である.しかし,先行研究ではできるだけ多くの事例を記憶するというアプローチがとられ,事例から有益でコンパクトな情報を抽出するための検討が十分なされていない.そこで,生成画像の学習用画像に対する歪み(2乗誤差)を最小化するという問題設定において,最適な事例の相関関係を学習する方法を提案する.具体的には,K-means法と閉ループ学習を併用することで,原画に忠実な画像を生成できる代表的な事例を生成し,記憶する.これにより,少ないメモリ量で高画質の画像を得られる.内挿法や従来の全事例を記憶する方法に比べて,PSNRが1dB程度向上することを確認した.また,一対比較法による主観評価実験においても,これらの方法に比べて優位であるという結果が得られた.
社団法人情報処理学会の論文
2007-09-03

著者

関連論文

もっと見る

スポンサーリンク