딥러닝 분석가 가리

"RZSR : Referenced-based Zero-Shot Super-Resolution with Depth Guided Self-Exemplars" Abstract 최근 SISR(Single Image Super Resolution)방법들은 LR(low-resolution) 영상으로 부터 HR(high-Resolution) 영상을 생성하는데 뛰어난 성능을 입증했다. 하지만, 이러한 SISR 방법들은 ideal한 방법으로 생성된 LR 영상에서만 좋은 성능을 보이며 real-world에서 생성된, non-ideal한 방법으로 생성된 LR 영상에서는 성능이 좋지 못하다. 본 논문에서는, robust SR을 위해 개발된 RefSR(Referenced-based SR)과 ZSSR(Zero-shot SR)을 ..

"Online Learning for Reference-Based Super-Resolution Review" Abstract Online learning은 테스트 단계에서 입력 데이터가 심층 네트워크에 업데이트해서 성능 개선을 도출하는 방법이다. SISR(Single Image Super-Resolution)에서 online learning 방법은 심층 네트워크의 online adaptation을 위해 LR(저해상도) 영상을 사용한다. SISIR 방법과 다른, RefSR(Reference-based SR) 알고리즘은 입력 LR 영상을 개선하는데 유용한 기능이 포함된 HR(고해상도) 참조 영상의 이점을 제공한다. 그로므로 본 논문에서는 RefSR 뿐만 아니라 SISR에도 해당되는, 몇가지 ref 영상을 ..

"Learning Texture Transformer Network for Image Super-Resolution" Abstract SR(Super-Resolution)은 LR(low-resolution) 이미지로부터 texture를 현실적이게 복구하는것이 목표이며, 최근에는 Ref(reference) 이미지로 부터 정보를 받아 HR(high-resolution)을 만들고 있다. 하지만 이전의 SR들은 Ref 이미지로 부터 HR 이미지로 정보를 전송할때 attention 방법으로 사용하지 않는다. 그래서 본 논문에서는 LR과 Ref 이미지가 transformer에서 query와 key로 계산되는 TTSR(Texture Transformer network for imagte Super Resolution..

"Robust Reference-based Super-Resolution with Similarity-Aware Deformable Convolution" Abstract 본 논문에서는 RefSR(reference-based SR) 작업을 위해 SSEN(Similarity Search and Extraction Network)을 참조하는 새롬고 효율적인 referenced feature extraction 모듈을 제안한다. 제안된 모듈은 SISR(Singe Image Super-Resolution)의 성능을 향상시키기 위해 참조 이미지(reference image) aligned relevant feature(정렬된 관련있는 이미지?)를 추출한다. Brute-force searches 혹은 Optical..

Meta-Transfer Learning for Zero-Shot Super-Resolution Abstract CNN은 large-scale external smaples를 사용한 SISR(Single Image Super Resolution)에서 좋은 성능을 보였다. External 데이터셋에 기반한 성능은 뛰어날 지라도, specific image의 internal information을 알수 없고, supervised에서 경험한 특정한 조건의 데이터에만 적용할 수 있다. 이러한 문제를 해결하기위해 ZSSR(Zero Shot Super-Resolution)이 제안되었지만, 추론시간이 길다는(몇천번의 gradient 업데이트가 필요) 단점이 있다. 본 논문에서는 MZSR(Meta-Transfer Le..

"Zero-Shot" Super-Resolution using Deep Internal Learning Abstract 지난 몇년동안 Deep Learning은 SR(Super-Resolution, 초고해상도)에서 뛰어난 성능을 보여주었다. 하지만, 지도학습 기반의 SR 방법은 특정한 데이터셋에서만 제한적이다. HR(High-Resolution) 이미지로 부터 bicubic dwonscaling 방법과 같은 미리 정해진 방법으로 LR(Low-Resolution) 이미지 획득한다. 실제 LR 이미지는 위와 같은 방법을 따르는 경우는 드물기 때문에, SOTA 방법을 적용하면 SR의 결과가 좋지 않다. 그래서 "Zero-Shot" SR 방법을 소개한다. Deep Learning에 의존하지만, 사전 학습된 것에..