인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
Existing blind super-resolution (SR) methods have fundamental limitations in reconstructing detailed texture and structure information lost during the degradation process because only a single LR image is used as input. To overcome this problem, we introduce the strategy of reference-based SR methods that utilize a high-resolution reference as an additional input. To this end, adopting ESRGAN as a baseline model as in previous blind SR studies, we add an image feature fusion module to the ESRGAN generator. In addition, we introduce the PatchGAN discriminator, Wasserstein GAN (WGAN) and WGAN-GP loss functions to reconstruct fine-grained texture and structure information clearly and reliably. In this paper, we call the improved ESRGAN R²-ESRGAN. Through experiments on images synthesized by applying various degradation processes and images with real degradations, it was confirmed that R²-ESRGAN can generate SR images with superior quantitative and qualitative image quality than previous blind SR methods. In particular, it was demonstrated that the use of reference images plays a very important role in improving blind SR performance.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-096576906
