Deep Learning for Image/Video Restoration and Super-resolution
In dieser Monografie wird ein Überblick über die jüngsten Entwicklungen und den Stand der Technik bei der Bild-/Videorestauration und der Superauflösung (SR) mithilfe von Deep Learning gegeben. Deep Learning hat nicht nur auf das Computer-Vision und die Verarbeitung natürlicher Sprache, sondern auch auf klassische Signalverarbeitungsprobleme wie Bild-/Video-Restauration/SR und Kompression einen erheblichen Einfluss ausgeübt. Jüngste Fortschritte im Bereich der neuronalen Architekturen haben zu erheblichen Leistungssteigerungen bei der erlernten Bild-/Video-Restaurierung und SR geführt. Ein wichtiger Vorteil von datengesteuerten Deep-Learning-Ansätzen ist, dass neuronale Modelle für jede differenzierbare Verlustfunktion optimiert werden können, einschließlich visueller Wahrnehmungsverlustfunktionen, was zu einer wahrnehmungsbezogenen Videorestaurierung und SR führt, die mit herkömmlichen modellbasierten Ansätzen nicht leicht zu bewältigen ist.
Die Publikation beginnt mit einer Problemstellung und einer kurzen Diskussion über traditionelle und datengesteuerte Lösungen. Danach werden die jüngsten Fortschritte bei neuronalen Architekturen betrachtet und die Verlustfunktionen und Bewertungskriterien für die Bild-/Video-Restauration und SR diskutiert. Außerdem werden die erlernte Bildwiederherstellung und SR betrachtet, entweder als Lernen einer Abbildung vom Raum der degradierten Bilder auf ideale Bilder auf der Grundlage des universellen Approximationstheorems oder als Lernen eines generativen Modells, das die Wahrscheinlichkeitsverteilung idealer Bilder erfasst. Praktische Probleme bei der Anwendung von überwachtem Training auf reale Restauration und SR werden ebenfalls behandelt, ebenso wie die Lösungsmodelle.
Im Abschnitt über gelernte Video-SR werden Ansätze zur Ausnutzung zeitlicher Korrelationen bei der gelernten Videoverarbeitung behandelt, und anschließend wird die wahrnehmungsbezogene Optimierung der Netzwerkparameter erörtert, um natürliche Textur und Bewegung zu erhalten. Eine vergleichende Diskussion der verschiedenen Ansätze schließt die Publikation ab.
| ISBN: | 9781680839722 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
