목록Image Generation (7)

쏴아리의 딥러닝 스터디

Enhanced Deep Residual Networks for Single Image Super-Resolution(CVPR 2017)

Enhanced Deep Residual Networks for Single Image Super-Resolution(CVPR 2017) Abstract 최근 super-resolution 관련 연구들은 deep convolutional network를 개발하여 진보하고 있으며, 특히 residual learning technique이 큰 성능 향상에 기여하였습니다. 본 연구에서는 enhanced deep super-resolution network(EDSR)을 제안합니다. model 성능이 향상된 이유는 conventional residual networks의 불필요한 modules를 제거하여 최적화 했기 때문입니다. 또한 본 연구에서는 multi-scale deep super-resolution sy..
Image Generation 2021. 9. 30. 23:59
Meta-Transfer Learning for Zero-Shot Super-Resolution(CVPR 2020)

Meta-Transfer Learning for Zero-Shot Super-Resolution(CVPR 2020) Abstract CNN은 large-scale external samples를 사용한 single image super-resolution(SISR)에서 큰 성능 향상을 이루어 냈습니다. 하지만 위와같은 연구들은 다음의 관점에서 한계점이 있습니다. CNN은 특정 이미지 내부에 있는 internal information을 활용하지 못합니다. 오직 그들이 supervised에서 경험한 specific condition에만 적용기 가능합니다. 예: low-resolution(LR) image는 high-resolution(HR) image로 부터 "bicubic" downsampled noise..
Image Generation 2021. 9. 11. 17:19
“Zero-Shot” Super-Resolution Using Deep Internal Learning(2018)

“Zero-Shot” Super-Resolution Using Deep Internal Learning(2018) Abstract 지난 몇년동안 Deep Learning은 Super Resolution(SR)에서 훌륭한 성능을 보여주었습니다. 하지만, supervised 기반의 SR 방법론들은 specific training data에 제한적이라는 단점이 있습니다. high-resolution(HR) image로부터 미리 정해진 방법으로(예: bicubic downscaling) low-resolution(LR) image를 획득합니다. Real LR images는 이러한 제한에 따르는 경우가 드물기 때문에, SotA method를 적용하였을 경우 대개 poor SR result를 만들게 됩니다. 본 연..
Image Generation 2021. 7. 18. 15:05
Real-World Super-Resolution via Kernel Estimation and Noise Injection(2020)

Real-World Super-Resolution via Kernel Estimation and Noise Injection(2020) Abstract 최근 SoTA super-resolution 방법들(supervised super-resolution)은 ideal datasets에서 인상적인 성능을 보여주었습니다. Supervised super-resolution 방법들은 high quality images를 단순히 bicubic downsampling을 하여 Low-Resolution이미지와 High Resolution(HR)이미지 pair를 만들어 모델을 학습합니다. 하지만, 이런 방법들은 real-world image super-resolution 문제에 적용하면 실패하는 경우가 많습니다. 본 ..
Image Generation 2021. 7. 17. 15:24
Noise2Void - Learning Denoising from Single Noisy Images(2019)

Noise2Void - Learning Denoising from Single Noisy Images(2019) 안녕하세요. 쏴아리 입니다. 오늘은 Unsupervised Image Denoising 방법론 중 하나인 Noise2Void에 대해 포스팅 하고자 합니다. Abstract Image denoising의 분야는 주로 noisy input, clean target images의 pairs를 활용하여 훈련하는 deep learning 방법론이 주를 이루고 있습니다. 최근에는 clean target 없이 independent pairs of noisy images로만 학습이 가능한 NOISE2NOISE(N2N)의 연구도 이루어 졌습니다. 본 연구에서는 N2N에서 한단계 더 나아간 훈련 아이디어인 NO..
Image Generation 2021. 7. 11. 18:47
Unpaired Image-To-Image Translation Using Cycle-Consistent Adversarial Networks(2017)

Unpaired Image-To-Image Translation Using Cycle-Consistent Adversarial Networks(2017) Abstract ▷ Paired Image-to-image translation 훈련 데이터 획득의 어려움 Image-to-image translation은 input-target 이미지 pairs를 활용하여, 입력 이미지를 출력 이미지로 맵핑하는 함수를 학습하는 것이 목적입니다. 하지만 paired training data를 얻는 활동이 불가능할 수 있습니다. ▷ Paired Input-target 이미지가 없어도 학습 가능한 "Unpaired Image to image tranlslation" 학습방법 제안 본 연구에서는 paired examples..
Image Generation 2021. 5. 8. 17:56
Image-to-Image Translation with Conditional Adversarial Network(2017)

Image-to-Image Translation with Conditional Adversarial Network(2017) Abstract 1. conditional GAN을 활용한 image-to-image translation problem 해결 본 연구에서는 conditional adversarial network를 활용하여 image-to-image translation problem의 general-purpose solution이 적용가능한지 탐구 하였습니다. 이러한 뉴럴네트워크는 input image에서 output image로의 mapping을 학습할 뿐 아니라, mapping을 학습바기 위한 loss function도 함께 배웁니다. 이는 전통적인 방법과 매우 다른 loss formula..
Image Generation 2021. 4. 18. 15:49
Prev 1 Next