本論文では、超高解像度画像の復元を効果的に行うために、法線マップと勾配マップのプライオリティ情報を統合したデュアル相互作用モデルを提案する。このモデルにより、高解像度空間での特徴融合と再構築、および低解像度空間でのプライオリティ特徴の相互作用を通して、より精細な構造と詳細な特徴を持つ復元画像を生成することができる。
低品質の放送コンテンツを高解像度ディスプレイで表示するために、超解像(SR)技術の適用は不可欠である。しかし、低品質ソースからの超解像画像の品質評価は、歪みと改善の両方を考慮する必要があり、さらに元の高品質ソースがない場合の評価も課題となる。本研究では、これらの課題に取り組むための新しいSR-IQAデータセットを提案し、主観的品質評価と既存IQAメトリックの性能評価を行った。
提案手法は、異なる露光時間の低ダイナミックレンジ画像を高品質な低ダイナミックレンジ画像に融合する。提案手法は、融合画像がソース画像セットではなく高ダイナミックレンジ画像に近づくように設計されており、ハロー効果や明暗順序の逆転を回避し、シーンの深度や局所コントラスト、最明部と最暗部の情報を保持することができる。
本研究では、ずれた学習ペアを用いて単一画像ぼかし除去モデルを効果的に学習するための再ぼかし誘導学習フレームワークを提案する。このフレームワークにより、ずれた学習ペアを活用してぼかし除去性能を向上させることができる。
ドメインシフトを組み込んだ拡散モデルを提案し、大規模に事前学習された拡散モデルの生成能力を活用しつつ、効率的な推論を実現する。
形状整列要素積は、2つのテンソルの形状を整列させた上で要素積を計算する新しい演算子である。この演算子を使うことで、ライブラリ関数の複雑な処理を簡潔な数式表現で表すことができる。さらに、形状整列要素積を用いた新しいテンソル分解手法を提案し、次元削減への応用可能性を示す。
提案するオフセット認識パーティション変換器(OAPT)は、ダブルJPEG圧縮における画素オフセットを推定し、類似したパターンを集約することで、非整列圧縮の画像復元を改善する。
提案手法CCRSは、拡散モデルの構造生成能力と敵対的生成ネットワークの詳細合成能力を組み合わせることで、高品質で安定した超解像画像を生成できる。
ディフュージョンモデルを使って低解像度の顕微鏡画像を高解像度に変換する方法を詳しく説明する。
提案手法は、トーンマッピング後の高ダイナミックレンジ画像のクロマ圧縮を高速かつ信頼性高く行うことができる。