Core Concepts
異なる劣化に対して高周波数情報と低周波数情報を適切に処理することで、より高品質な画像の復元と強化を実現する。
Abstract
本研究では、ブラケティング画像の復元と強化のためのHLNetを提案した。HLNetは、共有重み付きモジュールと非共有重み付きモジュールを使用して特徴抽出を行う。共有重み付きモジュールではSCConvを使用して、空間情報とチャンネル情報を同時に考慮することで、さまざまな劣化に共通する特徴を抽出する。非共有重み付きモジュールでは、高周波数情報と低周波数情報を別々に処理する高低周波数分解ブロック(HLFDB)を導入する。高周波数情報は詳細な局所情報を捉えるのに適しているため、ノイズ除去や解像度向上に有効である。一方、低周波数情報は全体的な構造情報を捉えるのに適しているため、超解像や HDR 再構成に有効である。実験の結果、提案手法は既存手法と比較して優れた性能を示した。
Stats
画像の高周波数情報は、ノイズ除去や解像度向上に有効である。
画像の低周波数情報は、超解像や HDR 再構成に有効である。
Quotes
高周波数情報は詳細な局所情報を捉えるのに適している。
低周波数情報は全体的な構造情報を捉えるのに適している。