CNNの構造に基づいた多視点超解像画像の最適設計と符号化画質評価

摘要

多視点画像は多くの視点を扱うため，単視点画像と比較して，1視点毎の画面解像度は低い．それゆえに，画像提示の際に，超解像処理がなされることが多い．低解像度画像から高解像度画像に変換する際に，出力データは，入力データより多くのデータを出力することになる．このことから，今までに，ニューラルネットワークを用いる手法が研究されており，更に，深層学習ツールの普及により，超解像処理に関して深層学習に基づくアプローチが可能になった．単に，超解像処理に深層学習理論を適用するだけでも性能は発揮されるが，アルゴリズムの改良をし，最適なパラメータを設定することで，超解像処理における最適な条件及び設計がよりよく可能になると考える．本稿では，畳み込みニューラルネットワークの構造に着目して，Chainerを用いて，多視点3D符号化画像の超解像処理の最適な条件，設計に関する実験を行った．そして，生成画像に対して，画質評価を行い，各々の画像を比較し，考察を行った．