최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기방송과 미디어 = Broadcasting and media magazine, v.25 no.2, 2020년, pp.7 - 16
서유림 (서강대학교) , 강석주 (서강대학교)
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
단일 이미지 초해상화란 무엇인가? | 단일 이미지 초해상화는 컴퓨터 비전 연구 분야의 한 갈래로 <그림 1>에서 확인할 수 있듯이 저해상도(Low Resolution, LR) 영상으로부터 고해상도(High Resolution, HR) 영상을 생성하는 기술이다. 일반적으로, 저해상도 영상으로부터 고해상도 영상을 복원하는 문제는 부적절하게 정립된 역 문제(ill-posed inverse problem)로 정의된다. | |
FCN을 보다 경량화한 네트워크는 무엇인가? | 해당 네트워크는 기존 초해상화 알고리즘 대비 높은 성능을 보여주며 초해상화 알고리즘에도 딥러닝 기반의 네트워크가 도움이 된다는 사실을 입증하였다. Dong [4]은 이 후 네트워크를 보다 경량화하여 연산량과 필터 파라미터수는 감소하면서 성능을 높이는 네트워크인 Fast Super Resolution Convolutional Neural Network (FSRCNN)을 제안하였다. 해당 네트워크는 기존 SRCNN처럼 바이큐빅 보간법으로 해상도가 변환한 이미지의 화질을 개선하지 않고 네트워크내에 이미지를 확대하는 층인 디컨볼루션(Deconvolution) 층을 추가하여 학습을 통해 보다 최적화된 고해상도 이미지를 생성하도록 하였다. | |
기존의 초해상화 기법에는 어떤 것들이 있는가? | 일반적으로, 저해상도 영상으로부터 고해상도 영상을 복원하는 문제는 부적절하게 정립된 역 문제(ill-posed inverse problem)로 정의된다. 기존에는 바이큐빅 보간법(Bicubic Interpolation)과 같은 다항식 기반의 보간법 혹은 선형 매핑(Linear Mapping)을 사용하는 로컬 패치(local patch) 기반의 초해상화 기법들이 널리 연구되고 있다. 선형매핑을 사용해 저해상도 패치로부터 바로 고해상도 패치를 복원하는 초해상화 알고리즘은 상대적으로 적은 복잡도와 연산량으로 고품질의 고해상도 영상들을 생성해낼 수 있다. |
R. Timofte, V. De, and L. Van Gool. "Anchored neighborhood regression for fast example-based super-resolution." IEEE International Conference on Computer Vision (ICCV), pp. 1920-1927, 2013.
R. Timofte, V. De Smet, and L. Van Gool. "A+: Adjusted anchored neighborhood regression for fast super-resolution." Asian Conference on Computer Vision (ACCV), pp. 111-126. Springer, 2014.
C. Dong, C.C. Loy, K. He, and X. Tang, "Image super-resolution using deep convolutional networks." European Conference on Computer Vision (ECCV), Springer, pp. 184-199, 2014.
Dong, Chao, Chen Change Loy, and Xiaoou Tang. "Accelerating the super-resolution convolutional neural network."European conference on computer vision. Springer, Cham, 2016.
J. Kim, J.K. Lee, and K.M. Lee. "Accurate image super-resolution using very deep convolutional networks." IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 1637-1645, 2016.
K. Simonyan, A. Zisserman. "Very deep convolutional networks for large-scale image recognition." International Conference on Learning Representations (ICLR), pp. 1-14, 2015.
B. Lim, S. Son, H. Kim, S. Nah, and K.M. Lee, "Enhanced deep residual networks for single image super-resolution." IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 1132-1140, 2017.
C. Ledig, L. Theis, F. Huszar, J. Caballero, A. Aitken, A. Tejani, J. Totz, Z. Wang, and W. Shi. Photo-realistic single image super-resolution using a generative adversarial network. arXiv preprint arXiv:1609.04802, 2016.
W. Shi, J. Caballero, F. Huszar, J. Totz, A. P. Aitken, R. Bishop, D. Rueckert, and Z. Wang. "Real-time single image and video super-resolution using an efficient sub-pixel convolutional neural network." IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 1874-1883, 2016.
K. Simonyan and A. Zisserman. Very deep convolutional networks for large-scale image recognition. In International Conference on Learning Representations (ICLR), 2015
J. Johnson, A. Alahi, and L. Fei-Fei. Perceptual losses for real-time style transfer and super-resolution. European Conference on Computer Vision (ECCV), pp 694-711. Springer, 2016
M. Bevilacqua, A. Roumy, C. Guillemot, and M. L. Alberi-Morel. "Low-complexity single-image super-resolution based on nonnegative neighbor embedding." British Machine Vision Conference (BMVC), pp. 1-10, 2012.
R. Zeyde, M. Elad, and M. Protter, "On single image scale-up using sparse-representation," International Conference on Curves and Surfaces, Springer, pp. 711-730, 2010.
D. Martin, C. Fowlkes, D. Tal, and J. Malik, "A database of human segmented natural images and its application to evaluating segmentation algorithms and measuring ecological statistics." Computer Vision, 2001. ICCV 2001. Proceedings. Eighth IEEE International Conference on. IEEE, vol. 2, pp. 416-423, 2001.
J. B. Huang, A. Singh, and N. Ahuja. "Single image super-resolution from transformed self-exemplars." IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 5197-5206, 2015.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.