Key points are not available for this paper at this time.
서포트 벡터 회귀(SVR)의 초해상도 문제에 대한 적용을 다양한 프레임워크를 통해 철저히 조사하였습니다. 연구에 앞서, SVR 문제는 최적의 커널을 찾아 향상됩니다. 이는 SVR 형태의 커널 학습 문제를 볼록 최적화 문제로 공식화하여, 특히 반정적 프로그래밍(SDP) 문제로 이루어집니다. SDP를 이차 제약 이차 프로그래밍(QCQP) 문제로 줄이기 위해 추가 제약 조건이 추가됩니다. 이 최적화 후, SVR의 초해상도 관련성 조사에서는 모든 이미지 콘텐츠에 대해 단일 일반 서포트 벡터 회귀를 사용할 가능성으로 진행되며, 작은 훈련 세트에서는 인상적인 결과를 얻습니다. 이 아이디어는 회귀 학습을 돕기 위해 이산 코사인 변환(DCT) 영역에서 구조적 특성을 관찰하여 개선됩니다. 추가 개선은 분류 및 SVR 기반 기법의 조합으로, 해상도 합성 작업을 확장합니다. 이 방법은 커널 해상도 합성이라고 하며, 특정 회귀기를 사용하여 격리된 이미지 콘텐츠를 설명하고 벡터 공간의 파티션된 모습을 통해 도메인을 묘사하여 좋은 결과를 산출합니다.
Ni et al. (금요일), 이 질문을 연구하였습니다.