WEKO3
アイテム
SGSRとSaliency mapによる注視領域に特化した画像の高画質化
https://ipsj.ixsq.nii.ac.jp/records/241492
https://ipsj.ixsq.nii.ac.jp/records/2414927723635f-138d-4347-98fc-4a7fe02f6b4f
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-MPS24151012.pdf (10.4 MB)
2026年12月2日からダウンロード可能です。
|
Copyright (c) 2024 by the Information Processing Society of Japan
|
|
| 非会員：¥660, IPSJ:学会員：¥330, MPS:会員：¥0, DLIB:会員：¥0 | ||
| Item type | SIG Technical Reports(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2024-12-02 | |||||||||
| タイトル | ||||||||||
| タイトル | SGSRとSaliency mapによる注視領域に特化した画像の高画質化 | |||||||||
| タイトル | ||||||||||
| 言語 | en | |||||||||
| タイトル | Image Super Resolution Focusing on Region of Interest Using SGSR and Saliency map | |||||||||
| 言語 | ||||||||||
| 言語 | jpn | |||||||||
| 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 | ||||||||||
| 同志社大学理工学部研究科 | ||||||||||
| 著者所属 | ||||||||||
| 同志社大学理工学部 | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Graduate School of Science and Engineering, Doshisha University | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Faculty of Science and Engineering, Doshisha University | ||||||||||
| 著者名 |
森原, 涼翔
× 森原, 涼翔
× 小野, 景子
|
|||||||||
| 著者名(英) |
Ryoto, Morihara
× Ryoto, Morihara
× Keiko, Ono
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | IT 技術の発展とともに，ユーザが扱うデータのサイズは増大している．一般に，サイズの大きいデータは送受信の際に圧縮するが，この操作により品質は低下する．しかし，画像データの場合，圧縮する画像の色や模様などが単純であれば圧縮しても品質の劣化は抑えることが可能である．画像の高画質化を考えた際，現在行われている研究では画像全体を高画質化しており，扱う画像は複雑になっている．そこで，本研究では YOLO と U2Net を用いて作成した Saliency map を SGSR の学習に使用することで，画像内での学習範囲を制限し，画像品質と圧縮への耐性を両立した高画質化手法を提案する．実験結果では，代表的な超解像技術と注視領域に特化した超解像技術の 2 種類を提案手法と精度比較を行い，提案手法が高精度であることを示す． | |||||||||
| 論文抄録(英) | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | While the amount of data handled by users is increasing, large datasets are typically compressed for transmission and reception, but this process can degrade quality. In general, for image data, if the compressed image has simple colors and patterns, it's possible to minimize quality degradation even after compression. However, recent studies in image enhancement have focused primarily on upscaling entire images, so intricate image content unsuited to image compression becomes increasingly prevalent.Therefore, this paper proposes a novel high-quality enhancement method that employs saliency maps generated by YOLO and U2Net to guide the training of SGSR. By confining the learning area within the image, our method effectively balances image quality with compression robustness. The experimental results compare the proposed method with two representative and super-resolution techniques specialized for regions of interest, demonstrating that the proposed method achieves high accuracy. | |||||||||
| 書誌レコードID | ||||||||||
| 収録物識別子タイプ | NCID | |||||||||
| 収録物識別子 | AN10505667 | |||||||||
| 書誌情報 |
研究報告数理モデル化と問題解決（MPS） 巻 2024-MPS-151, 号 12, p. 1-6, 発行日 2024-12-02 |
|||||||||
| ISSN | ||||||||||
| 収録物識別子タイプ | ISSN | |||||||||
| 収録物識別子 | 2188-8833 | |||||||||
| 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 | |||||||||
