直接的知覚損失関数と間接的知覚損失関数を用いた画像超解像の検証

• Item type: SIG Technical Reports(1)
• 公開日: 2019-05-23
• タイトル: 直接的知覚損失関数と間接的知覚損失関数を用いた画像超解像の検証
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 卒論スポットライトセッション
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 豊田工業大学
• 著者所属: 豊田工業大学
• 著者所属: 豊田工業大学
• 著者所属: 豊田工業大学シカゴ校
• 著者所属: 豊田工業大学
• 著者所属(英): en
• 著者所属(英): Toyota Technological Institute
• 著者所属(英): en
• 著者所属(英): Toyota Technological Institute
• 著者所属(英): en
• 著者所属(英): Toyota Technological Institute
• 著者所属(英): en
• 著者所属(英): Toyota Technological Institute at Chicago
• 著者所属(英): en
• 著者所属(英): Toyota Technological Institute
• 著者名: 吉田, 智樹; 秋田, 和俊; Muhammad, Haris; Greg, Shakhnarovich; 浮田, 宗伯
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 超解像 （SR） は，低解像度画像 （LR画像） を高解像度画像 （HR画像） に変換する技術であり，近年は深層学習によってその精度を向上させている．従来の教師あり学習に基づく超解像手法と同様に，超解像モデルはその出力 SR 画像が可能な限りピクセル単位で HR 画像と等しくなるように学習されることが多く，SR 画像と HR 画像との復元誤差は，これら 2 画像間の平均二乗誤差 （MSE） によって定量化され，損失関数に利用されている．しかし，近年の研究で人が見て綺麗と感じる （つまり知覚的精度が良い） SR 画像の生成には超解像モデルに損失関数に MSE のみを用いるだけでは不十分であることが明らかにされた．そこで，知覚的精度が良い SR 画像を生成するために，様々なコンピュータビジョンの問題において広く使用されている敵対的損失関数 （GAN 損失と呼ぶことにする） のような数種類の損失関数の利用が提案され，それらの有用性が実証されている．これらの損失関数は知覚的精度に良い影響を与えることができる一方で，どの画質評価値が向上したのかなどが完全には明らかにされていない．そこで本研究ではこのような間接的に知覚的精度に影響を与えるのではなく，知覚的精度を直接的に改善する代替損失関数として直接的知覚損失関数を提案する．本研究では 2 つの直接的知覚損失関数であるPCA 損失と NIQE 損失を提案し，具体的に効力が明らかになっていない先述の損失関数とともに直接的知覚損失関数の効力を検証した．この検証により，PCA 損失は MSE 損失のみで学習した結果と比較し，復元誤差を維持しながら知覚的精度を改善するのに有用であることが分かった．
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11131797
• 書誌情報: 研究報告コンピュータビジョンとイメージメディア（CVIM）; 巻 2019-CVIM-217, 号 29, p. 1-8, 発行日 2019-05-23
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8701
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会