RAISR: Resolución Super Rápida y Precisa de Imágenes

Dada una imagen, deseamos producir una imagen de mayor tamaño con significativamente más píxeles y mayor calidad de imagen. Esto se conoce generalmente como el problema de super-resolución de imagen única. La idea es que con suficientes datos de entrenamiento (pares correspondientes de imágenes de baja y alta resolución) podemos aprender un conjunto de filtros (es decir, un mapeo) que, cuando se aplican a una imagen dada que no está en el conjunto de entrenamiento, producirá una versión de mayor resolución de la misma, donde el aprendizaje es preferiblemente de baja complejidad. En nuestro enfoque propuesto, el tiempo de ejecución es más rápido que uno a dos órdenes de magnitud en comparación con los mejores métodos en competencia actualmente disponibles, mientras produce resultados comparables o mejores que el estado del arte. Un tema estrechamente relacionado es el afilado de imágenes y la mejora del contraste, es decir, mejorar la calidad visual de una imagen borrosa amplificando los detalles subyacentes (un amplio rango de frecuencias). Nuestro enfoque incluye además una forma extremadamente eficiente de producir una imagen que es significativamente más nítida que la entrada borrosa, sin introducir artefactos, como halos y amplificación de ruido. Illustramos cómo este algoritmo de afilado efectivo, además de ser de interés independiente, puede ser utilizado como un paso de preprocesamiento para inducir el aprendizaje de filtros de escalado más efectivos con efectos de afilado y mejora del contraste incorporados.