@techreport{oai:ipsj.ixsq.nii.ac.jp:00217852,
 author = {森, 啓 and 浮田, 宗伯 and Hroshi, Mori and Norimichi, Ukita},
 issue = {39},
 month = {May},
 note = {超解像は低解像度画像を高解像度画像に変換する技術である．近年の研究では，L1 損失や L2 損失といった再構成誤差に加え，敵対的損失や VGG 損失といった追加の損失関数を用いてモデルを学習することで，人間の知覚的により良好な超解像が可能であることが示されている．このような知覚的な超解像は，画像超解像では盛んに研究されているが，動画超解像においてはあまり研究されていない．本研究では，このような知覚的な動画超解像において，学習データが動画超解像の知覚的品質へ及ぼす影響を解明することを目的とする．具体的には，学習データを知覚的品質でクラスタリングして学習し，得られた超解像モデルの性能を解析することで，その関係性を明らかにする．, Super resolution is a technique for converting low-resolution images into high-resolution images. Recent research has shown that human perceptually better super resolution is possible by training models with additional loss functions such as adversarial loss and VGG loss, in addition to reconstruction errors such as L1 and L2 loss. Such perceptual super resolution has been extensively studied in image super resolution, but less so in video super resolution. The purpose of this study is to elucidate the effect of training data on the perceptual quality of video super resolution in such perceptual video super resolution. Specifically, we will learn by clustering training data by various indices, analyze the performance of the resulting super resolution models, and clarify the relationship between them.},
 title = {動画超解像における学習画像と復元画像の知覚的品質と画質との関係性},
 year = {2022}
}