| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2024-03-14 11:00 ［招待講演］Pixels to Precision: Passing into the Future of Super-Resolution Mastery ○Supatta Viriyavisuthisakul（PIM）  IMQ2023-42 IE2023-97 MVE2023-71 |
|
| 抄録 | （和） | (まだ登録されていません) |
| （英） | Single Image Super-Resolution (SISR) involves reconstructing low-resolution images to enhance perceptual quality. Recent advancements in Generative Adversarial Networks (GANs), such as SRGAN and ESRGAN, have improved reconstruction results. However, challenges persist, including the generation of hallucinated details, undesirable artifacts, and prolonged convergence times. To address these issues, we propose incorporating four types of parametric regularization algorithms into the loss function of the model. These algorithms enable iterative weight adjustment of the network gradient, enhancing texture details and sharpness in reconstructed images. Experimental results demonstrate the effectiveness of our approach, achieving superior Image Quality Assessment (IQA) scores compared to previous works, while reducing training time. Furthermore, we extend our approach to Scene Text Image Super-Resolution (STISR), aiming to enhance the quality and text recognition accuracy of low-resolution scene text images. Within the Text ATTention network (TATT) framework, which integrates convolutional neural network (CNN) and transformer-based architectures, we introduce parametric regularization and weight parameters into the loss function. Unlike previous methods, our approach focuses solely on text information, addressing challenges related to improper-shaped texts and blurred text regions of the real-world dataset. Experimental comparisons with state-of-the-art STISR models demonstrate significant improvements across all proposed methods, yielding clearer and sharper edges and enhancing overall image quality. Our work represents a significant advancement in both single-image and scene text super-resolution. | |
| キーワード | （和） | / / / / / / / |
| （英） | Super-resolution / Scene Text / Image Reconstruction / Trainable parameter / Parametric / Regularization / Parametric, Regularization / | |
| 文献情報 | 信学技報, vol. 123, no. 433, MVE2023-71, pp. 165-165, 2024年3月. | |
| 資料番号 | MVE2023-71 | |
| 発行日 | 2024-03-06 (IMQ, IE, MVE) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IMQ2023-42 IE2023-97 MVE2023-71 |
|
| 研究会情報 | |
| 研究会 | IE MVE CQ IMQ |
| 開催期間 | 2024-03-13 - 2024-03-15 |
| 開催地（和） | 沖縄産業支援センター |
| 開催地（英） | Okinawa Sangyo Shien Center |
| テーマ（和） | 五感に訴えるオンラインメディアとその評価，および一般（魅力工学研究会協賛） |
| テーマ（英） | Media of five senses, Multimedia, Media experience, Picture codinge, Image media quality, Network,quality and reliability, etc（AC） |
| 講演論文情報の詳細 | |
| 申込み研究会 | MVE |
| 会議コード | 2024-03-IE-MVE-CQ-IMQ |
| 本文の言語 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Pixels to Precision: Passing into the Future of Super-Resolution Mastery |
| サブタイトル（英） | |
| キーワード(1)（和/英） | / Super-resolution |
| キーワード(2)（和/英） | / Scene Text |
| キーワード(3)（和/英） | / Image Reconstruction |
| キーワード(4)（和/英） | / Trainable parameter |
| キーワード(5)（和/英） | / Parametric |
| キーワード(6)（和/英） | / Regularization |
| キーワード(7)（和/英） | / Parametric, Regularization |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | Supatta Viriyavisuthisakul / Supatta Viriyavisuthisakul / |
| 第1著者 所属（和/英） | Panyapiwat Institute of Management (略称： PIM) Panyapiwat Institute of Management (略称： PIM) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-03-14 11:00:00 |
| 発表時間 | 40分 |
| 申込先研究会 | MVE |
| 資料番号 | IMQ2023-42, IE2023-97, MVE2023-71 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.430(IMQ), no.432(IE), no.433(MVE) |
| ページ範囲 | p.165 |
| ページ数 | 1 |
| 発行日 | 2024-03-06 (IMQ, IE, MVE) |
[研究会発表申込システムのトップページに戻る]