| 講演抄録／キーワード |
| 講演名 |
2025-11-30 11:30
深層学習を用いた超解像による高解像度画像の生成
○野見山 真・李 印豪（立命館大）・小薗研人・五頭美和（東京計器）・陳 延偉（立命館大） |
| 抄録 |
（和） |
近年主流である,ピーク信号対雑音比(PSNR)のような数学的指標を重視した超解像手法は,元画像への忠実度が高い一方,人間が知覚した際の鮮明さである知覚品質の観点では,画像のぼやけや文字のつぶれといった課題が残っていた.特に,食品包装やラベルシールといったフィルム画像においては,文字情報も正確かつ鮮明に拡大する必要があり,この忠実度と知覚品質のトレードオフが大きな障壁となっていた.
本研究では,知覚品質を重視した複合的な損失関数を用いたモデルを設計する.このモデルと,従来のPSNR指向モデルをNetwork Interpolationによって統合することで,トレードオフを解消し,元画像に近く,かつ鮮明な超解像画像を生成する手法を実現している. |
| （英） |
Conventional super-resolution (SR) methods, which prioritize mathematical metrics like the Peak Signal-to-Noise Ratio (PSNR), achieve high fidelity to the source image. However, they often lack perceptual quality, leading to issues such as blurriness and text artifacts. This problem is especially critical for film images like food packaging and labels, where text must be magnified with both accuracy and clarity. The inherent trade-off between fidelity and perceptual quality has been a significant barrier in this context.
In this research, we design a model using a composite loss function that emphasizes perceptual quality. By integrating this model with a traditional PSNR-oriented model via Network Interpolation, our proposed method resolves this trade-off, generating SR images that are both faithful to the original and perceptually sharp. |
| キーワード |
（和） |
超解像 / GAN / 損失関数 / 知覚品質 / / / / |
| （英） |
Super-Resolution / GAN / Loss Function / Perceptual Quality / / / / |
| 文献情報 |
映情学技報 |
| 資料番号 |
|
| 発行日 |
|
| ISSN |
|
| PDFダウンロード |
|
| 研究会情報 |
| 研究会 |
KANSAI |
| 開催期間 |
2025-11-30 - 2025-11-30 |
| 開催地（和） |
大公大なんば |
| 開催地（英） |
OMU I-site Namba |
| テーマ（和） |
映像情報メディア学会 関西支部 若手研究発表会 |
| テーマ（英） |
The Institute of Image Information and Television Engineers, Kansai chapter, Workshop for young researchers |
| 講演論文情報の詳細 |
| 申込み研究会 |
KANSAI |
| 会議コード |
2025-11-KANSAI |
| 本文の言語 |
日本語 |
| タイトル（和） |
深層学習を用いた超解像による高解像度画像の生成 |
| サブタイトル（和） |
|
| タイトル（英） |
High-Resolution Image Generation using Deep Learning-based Super-Resolution |
| サブタイトル（英） |
|
| キーワード(1)（和/英） |
超解像 / Super-Resolution |
| キーワード(2)（和/英） |
GAN / GAN |
| キーワード(3)（和/英） |
損失関数 / Loss Function |
| キーワード(4)（和/英） |
知覚品質 / Perceptual Quality |
| キーワード(5)（和/英） |
/ |
| キーワード(6)（和/英） |
/ |
| キーワード(7)（和/英） |
/ |
| キーワード(8)（和/英） |
/ |
| 第1著者 氏名（和/英/ヨミ） |
野見山 真 / Shin Nomiyama / ノミヤマ シン |
| 第1著者 所属（和/英） |
立命館大学 (略称： 立命館大)
Ritsumeikan University (略称： Ritsumeikan Univ.) |
| 第2著者 氏名（和/英/ヨミ） |
李 印豪 / Yinhao Li / リ インゴウ |
| 第2著者 所属（和/英） |
立命館大学 (略称： 立命館大)
Ritsumeikan University (略称： Ritsumeikan Univ.) |
| 第3著者 氏名（和/英/ヨミ） |
小薗 研人 / Kento Kozono / コゾノ ケント |
| 第3著者 所属（和/英） |
東京計器株式会社 (略称： 東京計器)
TOKYO KEIKI INC. (略称： TOKYO KEIKI) |
| 第4著者 氏名（和/英/ヨミ） |
五頭 美和 / Miwa Gotou / ゴトウ ミワ |
| 第4著者 所属（和/英） |
東京計器株式会社 (略称： 東京計器)
TOKYO KEIKI INC. (略称： TOKYO KEIKI) |
| 第5著者 氏名（和/英/ヨミ） |
陳 延偉 / Yen-Wei Chen / チン エンイ |
| 第5著者 所属（和/英） |
立命館大学 (略称： 立命館大)
Ritsumeikan University (略称： Ritsumeikan Univ.) |
| 第6著者 氏名（和/英/ヨミ） |
/ / |
| 第6著者 所属（和/英） |
(略称： )
(略称： ) |
| 第7著者 氏名（和/英/ヨミ） |
/ / |
| 第7著者 所属（和/英） |
(略称： )
(略称： ) |
| 第8著者 氏名（和/英/ヨミ） |
/ / |
| 第8著者 所属（和/英） |
(略称： )
(略称： ) |
| 第9著者 氏名（和/英/ヨミ） |
/ / |
| 第9著者 所属（和/英） |
(略称： )
(略称： ) |
| 第10著者 氏名（和/英/ヨミ） |
/ / |
| 第10著者 所属（和/英） |
(略称： )
(略称： ) |
| 第11著者 氏名（和/英/ヨミ） |
/ / |
| 第11著者 所属（和/英） |
(略称： )
(略称： ) |
| 第12著者 氏名（和/英/ヨミ） |
/ / |
| 第12著者 所属（和/英） |
(略称： )
(略称： ) |
| 第13著者 氏名（和/英/ヨミ） |
/ / |
| 第13著者 所属（和/英） |
(略称： )
(略称： ) |
| 第14著者 氏名（和/英/ヨミ） |
/ / |
| 第14著者 所属（和/英） |
(略称： )
(略称： ) |
| 第15著者 氏名（和/英/ヨミ） |
/ / |
| 第15著者 所属（和/英） |
(略称： )
(略称： ) |
| 第16著者 氏名（和/英/ヨミ） |
/ / |
| 第16著者 所属（和/英） |
(略称： )
(略称： ) |
| 第17著者 氏名（和/英/ヨミ） |
/ / |
| 第17著者 所属（和/英） |
(略称： )
(略称： ) |
| 第18著者 氏名（和/英/ヨミ） |
/ / |
| 第18著者 所属（和/英） |
(略称： )
(略称： ) |
| 第19著者 氏名（和/英/ヨミ） |
/ / |
| 第19著者 所属（和/英） |
(略称： )
(略称： ) |
| 第20著者 氏名（和/英/ヨミ） |
/ / |
| 第20著者 所属（和/英） |
(略称： )
(略称： ) |
| 第21著者 氏名（和/英/ヨミ） |
/ / |
| 第21著者 所属（和/英） |
(略称： )
(略称： ) |
| 第22著者 氏名（和/英/ヨミ） |
/ / |
| 第22著者 所属（和/英） |
(略称： )
(略称： ) |
| 第23著者 氏名（和/英/ヨミ） |
/ / |
| 第23著者 所属（和/英） |
(略称： )
(略称： ) |
| 第24著者 氏名（和/英/ヨミ） |
/ / |
| 第24著者 所属（和/英） |
(略称： )
(略称： ) |
| 第25著者 氏名（和/英/ヨミ） |
/ / |
| 第25著者 所属（和/英） |
(略称： )
(略称： ) |
| 第26著者 氏名（和/英/ヨミ） |
/ / |
| 第26著者 所属（和/英） |
(略称： )
(略称： ) |
| 第27著者 氏名（和/英/ヨミ） |
/ / |
| 第27著者 所属（和/英） |
(略称： )
(略称： ) |
| 第28著者 氏名（和/英/ヨミ） |
/ / |
| 第28著者 所属（和/英） |
(略称： )
(略称： ) |
| 第29著者 氏名（和/英/ヨミ） |
/ / |
| 第29著者 所属（和/英） |
(略称： )
(略称： ) |
| 第30著者 氏名（和/英/ヨミ） |
/ / |
| 第30著者 所属（和/英） |
(略称： )
(略称： ) |
| 第31著者 氏名（和/英/ヨミ） |
/ / |
| 第31著者 所属（和/英） |
(略称： )
(略称： ) |
| 第32著者 氏名（和/英/ヨミ） |
/ / |
| 第32著者 所属（和/英） |
(略称： )
(略称： ) |
| 第33著者 氏名（和/英/ヨミ） |
/ / |
| 第33著者 所属（和/英） |
(略称： )
(略称： ) |
| 第34著者 氏名（和/英/ヨミ） |
/ / |
| 第34著者 所属（和/英） |
(略称： )
(略称： ) |
| 第35著者 氏名（和/英/ヨミ） |
/ / |
| 第35著者 所属（和/英） |
(略称： )
(略称： ) |
| 第36著者 氏名（和/英/ヨミ） |
/ / |
| 第36著者 所属（和/英） |
(略称： )
(略称： ) |
| 講演者 |
第1著者 |
| 発表日時 |
2025-11-30 11:30:00 |
| 発表時間 |
15分 |
| 申込先研究会 |
KANSAI |
| 資料番号 |
|
| 巻番号（vol） |
vol. |
| 号番号（no） |
|
| ページ範囲 |
|
| ページ数 |
|
| 発行日 |
|
|