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.