Underwater Images Super-Resolution Using Generative Adversarial Network-based Model

要約

単一画像超解像法（SISR）は、水中画像の解像度と品質を向上させることができます。水中画像の解像度を向上させることは、自律型水中航走体の性能向上につながる。本研究では、水中画像の解像度を向上させるために、Real-Enhanced Super-Resolution Generative Adversarial Network (Real-ESRGAN) モデルを微調整する。本提案手法では，水中画像のデータセットを用いて，事前に学習したReal-ESRGANの生成器と識別器のネットワークを微調整する．具体的には、USR-248とUFO-120のデータセットを用いて、Real-ESRGANモデルのチューニングを行いました。この結果、Real-ESRGANは、オリジナルモデルよりも高い解像度と品質を持つ画像を生成することができました。

要約(オリジナル)

Single image super-resolution (SISR) methods can enhance the resolution and quality of underwater images. Enhancing the resolution of underwater images leads to better performance of autonomous underwater vehicles. In this work, we fine-tune the Real-Enhanced Super-Resolution Generative Adversarial Network (Real-ESRGAN) model to increase the resolution of underwater images. In our proposed approach, the pre-trained generator and discriminator networks of the Real-ESRGAN model are fine-tuned using underwater image datasets. We used the USR-248 and UFO-120 datasets to fine-tune the Real-ESRGAN model. Our fine-tuned model produces images with better resolution and quality compared to the original model.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL