Pixel Recursive Super Resolution

【一言まとめ】8×8ピクセルに圧縮された画像から元の画像を復元（生成）

【著者】Ryan Dahl Mohammad Norouzi Jonathon Shlens

【所属機関】Google Brain

【URL】https://arxiv.org/pdf/1702.00783.pdf

【Abstract】
We present a pixel recursive super resolution model that synthesizes realistic details into images while enhancing their resolution. A low resolution image may correspond to multiple plausible high resolution images, thus modeling the super resolution process with a pixel independent conditional model often results in averaging different details– hence blurry edges. By contrast, our model is able to represent a multimodal conditional distribution by properly modeling the statistical dependencies among the high resolution image pixels, conditioned on a low resolution input. We employ a PixelCNN architecture to define a strong prior over natural images and jointly optimize this prior with a deep conditioning convolutional network. Human evaluations indicate that samples from our proposed model look more photo realistic than a strong L2 regression baseline.

【Abstract翻訳】
現実的な細部を画像に合成し、解像度を向上させるピクセル再帰的超解像度モデルを提示する。 低解像度画像は、複数の妥当な高解像度画像に対応することができ、したがって、ピクセル独立条件付きモデルで超解像度処理をモデル化すると、異なる詳細、すなわちぼやけたエッジを平均化することが多い。 対照的に、我々のモデルは、低解像度入力に条件付けされた高解像度画像ピクセル間の統計的依存性を適切にモデル化することによって、マルチモーダル条件付き分布を表すことができる。 私たちは、PixelCNNアーキテクチャを採用して、自然画像よりも先の強い画像を定義し、事前に深いコンディショニング畳み込みネットワークでこれを最適化しています。 人間の評価から、提案モデルのサンプルは、強いL2回帰ベースラインよりも写実的に見えることが示されています。

【どんなもの？】

【先行研究と比べてどこがすごい？】

【技術や手法のキモはどこ？】

【どうやって有効だと検証した？】

【議論はある？】

【次に読むべき論文は？】

【関連リンク】
http://gigazine.net/news/20170208-pixel-recursive-super-resolution/