2022-06-22 | 허진 기자

DGIST开发利用深度学习的图像超高分辨率算法

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

大邱庆北科学技术院(DGIST)22日表示,电气电子计算机工程系教授陈庆焕与信息通信融合研究所研究员李在元开发出一项技术,其分辨能力高于用于提升分辨率的“双三次插值(Bicubic interpolation)”技术,且与现有深度学习技术相比,内存与速度节省过半。

双三次插值是为补偿各显示设备不同分辨率而开发的基于信号处理的技术。其占用内存少、速度快,但图像分辨率下降,画质劣化现象严重。为克服这一点,基于深度学习的超高分辨率技术随之出现。

然而,基于深度学习的超高分辨率技术存在无法在任意尺度下运行、仅在特定尺度下运行顺畅的缺点。最近,作为对此的解决方案,“隐式表示神经网络技术”备受关注。但该技术同样被指出无法捕捉高频成分,且在内存大小与信号速度方面处于极大劣势。

研究团队为解决问题,开发出基于傅里叶解析的隐式表示神经网络技术。该技术直接提取图像的频率,因此在画质复原方面易于复原高频。由于提升画质需要复原高频,该技术对闭路(CC)TV、显示器、相机等影像或照片相关产品必不可少。陈教授表示:“通过本次技术开发,可在短时间内仅用少量内存实现对任意尺度的画质改善”,“期待由此通过算法实现影像或照片相关产品的画质改善以及软件的轻量化。”

阅读韩文原文