Ločljivost slikovnih podatkov je ključnega pomena za človeško zaznavanje vsebine slik ter uspešnost različnih nalog računalniškega vida, kot je zaznavanje objektov, samodejno sledenje ali računalniško prepoznavanje in opisovanje slikovnih scen.
Klemen Grm in Vitomir Štruc iz LSI in Walter Schierer in Univerze v Notre Damu, ZDA so razvili nov globoki konvolucijski model za super-resolucijo obrazov, ki se lahko pohvali z zmožnostjo izboljšanja ločljivost slik obrazov za kar 8x. Kot je prikazano na Sliki 1, je razviti model sposoben tudi iz izredno majhnih slik, velikosti le 24×24 slikovnih elementov, pridelati prepričljive, visoko-ločljivostne rekonstrukcije. V središču razvitega postopka je nov pristop k učenju super-resolucijskih modelov, ki pri optimizaciji parametrov modela uporablja kriterijsko funkcijo, sestavljeno iz člena namenjenega verodostojnosti generiranih slikovnih podatkov ter člena, ki se nanaša na uspešnost razpoznavanja obrazov.
Razviti model je nastal v okviru doktorskih raziskav mladega raziskovalca Klemna Grma in je v sredini septembra 2019 že prejel nagrado EAB Max Snijder award. Nagrada predstavlja eno od treh nagrad Evropske zveze za biometrijo (European Association for Biometrics, EAB), ki se vsako leto podeljujejo najboljšim doktorskim disertacijam v Evropi, povezanih s področjem biometrije. Odličnost dosežka je prepoznala tudi Univerza v Ljubljani in ga uvrstila med najodličnejše raziskovalne dosežke univerze v letu 2019. Članek z opisom modela je sprejet v objavo v reviji IEEE Transactions on Image Processing (SCI IF 2018: 6,79).
Članek:
Klemen Grm, Walter J. Scheirer, Vitomir Štruc, Face hallucination using cascaded super-resolution and identity priors, IEEE Transactions on Image Processing (SCI IF 2018: 6,79), sprejet v objavo 2019.
Dosegljiv v odprtem dostopu: https://ieeexplore.ieee.org/document/8866753
