공부/Super Resolution 논문리뷰
-
[논문리뷰] (SFT-GAN) Recovering Realistic Texture in Image Super-resolution by Deep Spatial Feature Transform / CVPR 2018공부/Super Resolution 논문리뷰 2020. 4. 1. 17:23
이 논문은, SROBB이전에 나왔던 conditioning information (segmentation probability map)을 사용하는 GAN-based SR방법에 대한 논문이다. SR을 하는 network의 입장에서 해당 texture가 무엇인지에 대한 정확한 정보를 가지고 SR을 수행하며, SFT layer라는 획기적인 feature modulation 방법을 통해 매우 효율적으로 conditioning information을 사용하는 방법을 제시하였으며, 상당한 성능향상을 보인다. 그러나, SROBB와는 다르게 segmentation probability map이 학습시 뿐만 아니라, 테스트시에도 존재해야 한다는것은 큰 단점이라고 할 수 있다. ABSTRACT CNN이 SR에서 높은 성능..
-
[논문리뷰] (SROBB) SROBB: Targeted Perceptual Loss for Single Image Super-Resolution공부/Super Resolution 논문리뷰 2020. 3. 18. 16:52
이 논문은 2019 ICCV에 발표된 논문으로, Segmentation labeling 된 dataset으로부터 object, background, boundary 등을 구분하여 각각에 알맞은 loss를 적용시켜 학습한다는 아이디어를 제안하는 논문이다. 기존의 SRGAN, ESRGAN과 같은 GAN based SR의 문제점들을 (boundary 부근인데 텍스쳐처럼 뭉개진다던지 하는) 해소해 나가는 방향(SFT-GAN과 같은 segmentation을 SR에 활용)의 논문이다. ABSTRACT 최근의 perceptual loss기반의 SR들은 상당한 성능 향상을 이루어왔다. 이와 같은 objective function들은 거의 photo-realistic 한 결과를 생성하지만, 이미지 내의 semantic ..
-
[논문리뷰] (SAN) Second-order Attention Network for Single Image Super-Resolution / CVPR 2019공부/Super Resolution 논문리뷰 2020. 3. 10. 18:17
이 논문은 2019 CVPR에 발표된 논문으로, 정체된 CNN based SR을 저자가 제시한 Second order Attention Network 구조를 사용함으로써 성능을 향상시키는 방법에대해 다루는 논문이다. 이 논문을 접하기 전, 2018 ECCV에 발표된 'Image Super-Resolution Using Very Deep Residual Channel Attention Networks' (RCAN) 논문을 이해하면 좋다. ABSTRACT SISR problem에 CNN이 도입되고나서부터 상당한 성능 향상을 이뤘다. 하지만, 대부분의 CNN based SISR methods 들은 wider or deeper architecture design에 집중한 나머지 intermediate layer..
-
[논문리뷰] (VDSR) Accurate Image Super-Resolution Using Very Deep Convolutional Networks / CVPR 2016공부/Super Resolution 논문리뷰 2020. 2. 24. 23:20
2016년 CVPR에서 발표된 이 논문은 VDSR구조로 유명하다. 깊은 레이어의 CNN구조를 SR problem에 성공적으로 적용하였다는데 큰 의미가 있는 논문이다. ABSTRACT 이 논문은 매우 깊은 Convolutional neural network를 설계하여 높은 PSNR을 갖는 Super-resolution image를 생성하는 방법에 대해 다룬다. INTRODUCTION VDSR이 연구되기 전, SR problem에 딥러닝을 성공적으로 적용한 SRCNN이 있었지만 3가지 관점에서의 문제점이 있었다. 첫째, (레이어가 얕음으로 인해) 좁은 이미지 영역에 대한 정보만을 사용한다는것 둘째, Convergence가 매우 느리다는것 셋째, 단일 Scale 에 대해서만 가능하다는 점이다. 이 논문에서는 ..