ゼロショットデュアルレンズ超解像

非対称のデュアルレンズ構成は、現在ではモバイルデバイスで一般的に利用でき、同じシーンの広角および望遠画像のペアを自然に保存し、リアルな超解像（SR）をサポートします。しかし、同じデバイス上でも、リアルなSRをモデル化するための劣化は画像に特有であり、取得プロセス（例えば微小なカメラの動き）が不明なためです。本論文では、テスト時にのみデュアルレンズペアを使用して画像特有のSRモデルを学習する、ゼロショットのデュアルレンズSR（ZeDuSR）ソリューションを提案します。このようにして、ZeDuSRは外部のトレーニングデータを使用せずに現在のシーンに適応し、一般化の難しさを排除します。しかし、この目標を達成するためには2つの主要な課題があります：1）リアルな劣化を保ちながらのデュアルレンズの整列、2）非常に限られたトレーニングデータの効果的な使用です。これら2つの課題を克服するために、情報をフルに活用するための劣化不変の整列方法と、劣化に配慮したトレーニング戦略を提案します。広範な実験により、合成されたデュアルレンズデータセットと実世界のデュアルレンズデータセットの両方で、Ze-DuSRが既存のソリューションよりも優れていることが検証されました。実装コードは https://github.com/XrKang/ZeDuSR で入手可能です。