22日目: 超解像に向けて

超解像(Super-Resolution)に向けて

背景

• 今後，超解像の研究のサーベイを進めようと思ったが事前知識がなかった
• したがって，サーベイのためのサーベイを行った．
  • 新しい分野を始める際にはどうしてもベーシックな手法から理解していきたい．
  • 基本的には，和文記事で紹介されている研究は対象としたくない．
  • やっぱりベーシックなメソッドは既に和文で紹介されている．
  • 悲しいからそれらをまとめよう．（Q.E.D.）

超解像まとめ記事

• DeepLearningによる超解像の進歩
  • DeNAのAI研究開発エンジニアの方のまとめスライド．
  • Slide Shareなので概要だが，大雑把に全体がわかるので良かった．
• GANによる超解像がもたらす新しい方向性と「The Perception-Distortion Tradeoff」の話
  • こちらも全体概要がざっくりまとまっているので良かった．
  • 特に評価指標周りの話が書かれている．

ざっくりとまとめると，深層学習ベースの超解像手法は歴史的には以下のように派生？している．
　SRCNN -+-> SRResNet or EDSR (CNNベースの手法)
　　　　　+-> SRGAN or ESRGAN (GANベースの手法)
で，この辺の手法がベースラインとしてよく用いられる．

手法のリファレンス

• SRCNN: Image Super-Resolution Using Deep Convolutional Networks
• EDSR: Enhanced Deep Residual Networks for Single Image Super-Resolution
• SRGAN（要約）: Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network
• SRResNet: SRCNNをResNetで組んだ版でSRGAN論文の中で比較対象として新たに提案された手法
• ESRGAN: ESRGAN: Enhanced Super-Resolution Generative Adversarial Network

その他の研究の話題

• アップサンプリング手法：Deconvolution，Upsampling+Convolution, PixelShuffler
• 評価指標：PSNR，BRISQUE，，，（ピクセル的な誤差を取るか，人間の主観的な良さを取るか）

所管

色々読みながらまとめて1時間くらい．明日は時間が取れれば上記のベースライン手法あたりをまとめようかなと思います．