Fast super-resolution via dense local training and inverse regressor search

Regression-based Super-Resolution (SR) addresses the upscaling problem by learning a mapping function (i.e. regressor) from the low-resolution to the high-resolution manifold. Under the locally linear assumption, this complex non-linear mapping can be properly modeled by a set of linear regressors d...

Descripción completa

Detalles Bibliográficos
Autores: Pérez-Pellitero, Eduardo, Salvador, Jordi, Torres-Xirau, Iban, Ruiz Hidalgo, Javier|||0000-0001-6774-685X, Rosenhahn, Bodo
Tipo de recurso: artículo
Fecha de publicación:2014
País:España
Institución:Universitat Politècnica de Catalunya (UPC)
Repositorio:UPCommons. Portal del coneixement obert de la UPC
Idioma:inglés
OAI Identifier:oai:upcommons.upc.edu:2117/27529
Acceso en línea:https://hdl.handle.net/2117/27529
https://dx.doi.org/10.1007/978-3-319-16811-1_23
Access Level:acceso abierto
Palabra clave:Computer vision
Image processing
Visió per ordinador
Imatges -- Processament
Àrees temàtiques de la UPC::Enginyeria de la telecomunicació::Processament del senyal::Processament de la imatge i del senyal vídeo
Àrees temàtiques de la UPC::So, imatge i multimèdia::Creació multimèdia::Imatge digital
id ES_a89616f9b3c199717c63f8a057152c19
oai_identifier_str oai:upcommons.upc.edu:2117/27529
network_acronym_str ES
network_name_str España
repository_id_str
spelling Fast super-resolution via dense local training and inverse regressor searchPérez-Pellitero, EduardoSalvador, JordiTorres-Xirau, IbanRuiz Hidalgo, Javier|||0000-0001-6774-685XRosenhahn, BodoComputer visionImage processingVisió per ordinadorImatges -- ProcessamentÀrees temàtiques de la UPC::Enginyeria de la telecomunicació::Processament del senyal::Processament de la imatge i del senyal vídeoÀrees temàtiques de la UPC::So, imatge i multimèdia::Creació multimèdia::Imatge digitalRegression-based Super-Resolution (SR) addresses the upscaling problem by learning a mapping function (i.e. regressor) from the low-resolution to the high-resolution manifold. Under the locally linear assumption, this complex non-linear mapping can be properly modeled by a set of linear regressors distributed across the manifold. In such methods, most of the testing time is spent searching for the right regressor within this trained set. In this paper we propose a novel inverse-search approach for regression-based SR. Instead of performing a search from the image to the dictionary of regressors, the search is done inversely from the regressors’ dictionary to the image patches. We approximate this framework by applying spherical hashing to both image and regressors, which reduces the inverse search into computing a trained function. Additionally, we propose an improved training scheme for SR linear regressors which improves perceived and objective quality. By merging both contributions we improve speed and quality compared to the state-of-the-art.Peer Reviewed20142014-11-0120152015-04-22journal articlehttp://purl.org/coar/resource_type/c_6501AMhttp://purl.org/coar/version/c_ab4af688f83e57aainfo:eu-repo/semantics/articleapplication/pdfhttps://hdl.handle.net/2117/27529https://dx.doi.org/10.1007/978-3-319-16811-1_23reponame:UPCommons. Portal del coneixement obert de la UPCinstname:Universitat Politècnica de Catalunya (UPC)Inglésengopen accesshttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessoai:upcommons.upc.edu:2117/275292026-05-27T15:37:01Z
dc.title.none.fl_str_mv Fast super-resolution via dense local training and inverse regressor search
title Fast super-resolution via dense local training and inverse regressor search
spellingShingle Fast super-resolution via dense local training and inverse regressor search
Pérez-Pellitero, Eduardo
Computer vision
Image processing
Visió per ordinador
Imatges -- Processament
Àrees temàtiques de la UPC::Enginyeria de la telecomunicació::Processament del senyal::Processament de la imatge i del senyal vídeo
Àrees temàtiques de la UPC::So, imatge i multimèdia::Creació multimèdia::Imatge digital
title_short Fast super-resolution via dense local training and inverse regressor search
title_full Fast super-resolution via dense local training and inverse regressor search
title_fullStr Fast super-resolution via dense local training and inverse regressor search
title_full_unstemmed Fast super-resolution via dense local training and inverse regressor search
title_sort Fast super-resolution via dense local training and inverse regressor search
dc.creator.none.fl_str_mv Pérez-Pellitero, Eduardo
Salvador, Jordi
Torres-Xirau, Iban
Ruiz Hidalgo, Javier|||0000-0001-6774-685X
Rosenhahn, Bodo
author Pérez-Pellitero, Eduardo
author_facet Pérez-Pellitero, Eduardo
Salvador, Jordi
Torres-Xirau, Iban
Ruiz Hidalgo, Javier|||0000-0001-6774-685X
Rosenhahn, Bodo
author_role author
author2 Salvador, Jordi
Torres-Xirau, Iban
Ruiz Hidalgo, Javier|||0000-0001-6774-685X
Rosenhahn, Bodo
author2_role author
author
author
author
dc.subject.none.fl_str_mv Computer vision
Image processing
Visió per ordinador
Imatges -- Processament
Àrees temàtiques de la UPC::Enginyeria de la telecomunicació::Processament del senyal::Processament de la imatge i del senyal vídeo
Àrees temàtiques de la UPC::So, imatge i multimèdia::Creació multimèdia::Imatge digital
topic Computer vision
Image processing
Visió per ordinador
Imatges -- Processament
Àrees temàtiques de la UPC::Enginyeria de la telecomunicació::Processament del senyal::Processament de la imatge i del senyal vídeo
Àrees temàtiques de la UPC::So, imatge i multimèdia::Creació multimèdia::Imatge digital
description Regression-based Super-Resolution (SR) addresses the upscaling problem by learning a mapping function (i.e. regressor) from the low-resolution to the high-resolution manifold. Under the locally linear assumption, this complex non-linear mapping can be properly modeled by a set of linear regressors distributed across the manifold. In such methods, most of the testing time is spent searching for the right regressor within this trained set. In this paper we propose a novel inverse-search approach for regression-based SR. Instead of performing a search from the image to the dictionary of regressors, the search is done inversely from the regressors’ dictionary to the image patches. We approximate this framework by applying spherical hashing to both image and regressors, which reduces the inverse search into computing a trained function. Additionally, we propose an improved training scheme for SR linear regressors which improves perceived and objective quality. By merging both contributions we improve speed and quality compared to the state-of-the-art.
publishDate 2014
dc.date.none.fl_str_mv 2014
2014-11-01
2015
2015-04-22
dc.type.none.fl_str_mv journal article
http://purl.org/coar/resource_type/c_6501
AM
http://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.openaire.fl_str_mv info:eu-repo/semantics/article
format article
dc.identifier.none.fl_str_mv https://hdl.handle.net/2117/27529
https://dx.doi.org/10.1007/978-3-319-16811-1_23
url https://hdl.handle.net/2117/27529
https://dx.doi.org/10.1007/978-3-319-16811-1_23
dc.language.none.fl_str_mv Inglés
eng
language_invalid_str_mv Inglés
language eng
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:UPCommons. Portal del coneixement obert de la UPC
instname:Universitat Politècnica de Catalunya (UPC)
instname_str Universitat Politècnica de Catalunya (UPC)
reponame_str UPCommons. Portal del coneixement obert de la UPC
collection UPCommons. Portal del coneixement obert de la UPC
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869415910965510144
score 15.300724

Similares en LA Referencia