Multi-Modality Image Super-Resolution using Generative Adversarial Networks

要約

過去数年にわたって、生成的敵対的ネットワーク（GAN）などの深層学習ベースの手法により、画像の超解像および画像から画像への変換の問題に対するソリューションが大幅に改善されました。
この論文では、画像の超解像とマルチモダリティの画像から画像への変換の共同問題に対する解決策を提案します。
この問題は、代替モダリティでの同じ画像の低解像度の観察を前提として、モダリティでの高解像度画像の回復として説明できます。
私たちの論文は、この問題に対処するための2つのモデルを提供し、同じシーンの低解像度の夜の画像を与えられた高解像度の昼間の画像の回復について評価されます。
各モデルについて、有望な定性的および定量的結果が提示されます。

要約(オリジナル)

Over the past few years deep learning-based techniques such as Generative Adversarial Networks (GANs) have significantly improved solutions to image super-resolution and image-to-image translation problems. In this paper, we propose a solution to the joint problem of image super-resolution and multi-modality image-to-image translation. The problem can be stated as the recovery of a high-resolution image in a modality, given a low-resolution observation of the same image in an alternative modality. Our paper offers two models to address this problem and will be evaluated on the recovery of high-resolution day images given low-resolution night images of the same scene. Promising qualitative and quantitative results will be presented for each model.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google