講演名 2015-03-06
複数の縮小基底辞書を用いたスパースコーディングに基づく学習型超解像の高速化(ソフトコンピューティング,一般)
本橋 直樹, 中村 聡史, 鈴木 俊博,
PDFダウンロードページ PDFダウンロードページへ
抄録(和) 一枚超解像は、低解像度画像の細部情報(例えば、テクスチャ)を他の画像から抽出した高周波成分を加算することで復元し、画質を改善する手法である。一枚超解像の中でも、学習型超解像(Example-based Superresolution: Example-based SR)は復元精度の高さから長年研究されてきた。特に、スパースコーディングを用いた手法(Sparse-coding Superresolution: ScSR)は失われた細部情報を正確に復元でき、かつ従来のExample-based SRに比べて処理時間を大幅に削減できることから盛んに研究されている。しかし、ScSRの処理は未だに複雑であり、更なる高速化が求められている。この課題を解決するために本稿では、ScSRで使われる辞書を複数の縮小基底辞書に分割し、低解像度画像から抽出した入力パッチと辞書に含まれる基底とのマッチング回数を削減することで高速化する手法を提案する。実験により、提案手法は精度を大きく減少させること無く、処理時間を1/2以下に短縮することに成功した。
抄録(英) Single-frame Superresolution (Single-frame SR) is a technique for improving the quality of low resolution images, which restores lost fine details (e.g., textures) by adding high frequency components extracted from other images. In the field of Single-frame SR, Example-based Superresolution (Example-based SR) has been actively studied for many years because of its high restoration capability. Recently Example-based SR using sparse coding (ScSR) gets increasingly popular because it can restore the lost fine details accurately while the processing time is significantly reduced compared to the ordinary Example-based SR. However, due to its high computational complexity, it is still required to accelerate the algorithm. To this end, we propose a new technique to accelerate ScSR algorithm by splitting the dictionary used in ScSR to multiple sub-dictionaries to reduce the number of matchings between input patches, i.e., small blocks extracted from an input low resolution image, and bases in the dictionary. Experimental results show that the proposed technique can reduce the processing time by more than 50% without compensating the restoration accuracy.
キーワード(和) 学習型超解像 / スパースコーディング / 基底辞書
キーワード(英) example-based Superresolution / sparse-coding / basis dictionaries
資料番号 SIS2014-106
発行日

研究会情報
研究会 SIS
開催期間 2015/2/26(から1日開催)
開催地(和)
開催地(英)
テーマ(和)
テーマ(英)
委員長氏名(和)
委員長氏名(英)
副委員長氏名(和)
副委員長氏名(英)
幹事氏名(和)
幹事氏名(英)
幹事補佐氏名(和)
幹事補佐氏名(英)

講演論文情報詳細
申込み研究会 Smart Info-Media Systems (SIS)
本文の言語 JPN
タイトル(和) 複数の縮小基底辞書を用いたスパースコーディングに基づく学習型超解像の高速化(ソフトコンピューティング,一般)
サブタイトル(和)
タイトル(英) High Speed Sparse-coding Superresolution by Multiple Degenerated Basis Dictionaries
サブタイトル(和)
キーワード(1)(和/英) 学習型超解像 / example-based Superresolution
キーワード(2)(和/英) スパースコーディング / sparse-coding
キーワード(3)(和/英) 基底辞書 / basis dictionaries
第 1 著者 氏名(和/英) 本橋 直樹 / Naoki MOTOHASHI
第 1 著者 所属(和/英) 株式会社リコーリコー技術研究所
Ricoh Institute of Technology Ricoh Company, LTD.
第 2 著者 氏名(和/英) 中村 聡史 / Satoshi NAKAMURA
第 2 著者 所属(和/英) 株式会社リコーリコー技術研究所
Ricoh Institute of Technology Ricoh Company, LTD.
第 3 著者 氏名(和/英) 鈴木 俊博 / Toshihiro SUZUKI
第 3 著者 所属(和/英) 株式会社リコーリコー技術研究所
Ricoh Institute of Technology Ricoh Company, LTD.
発表年月日 2015-03-06
資料番号 SIS2014-106
巻番号(vol) vol.114
号番号(no) 496
ページ範囲 pp.-
ページ数 6
発行日