公开(公告)号：CN117178288A

公开(公告)日：2023-12-05

申请号：CN202280027685.1

申请日：2022-08-03

Applicant: 三星电子株式会社

Inventor： 卡马尔·吉娜瓦力 ,  天成·保

IPC: G06T3/40

Abstract: 一个实施例提供了一种生成分别从低质量图像和高质量图像随机提取的第一图像裁剪和第二图像裁剪的方法。所述方法还包括使用包括逐像素损失的多个损失函数对第一图像裁剪和第二图像裁剪进行比较来计算损失，以及通过最小化所述损失来优化被训练用于估计低分辨率(LR)模糊图像的真实尺度无关模糊核的模型。

公开(公告)号：CN119998827A

公开(公告)日：2025-05-13

申请号：CN202380069854.2

申请日：2023-09-26

Applicant: 三星电子株式会社

Inventor： 卡马尔·吉娜瓦力 ,  天成·保 ,  金俊秀

IPC: G06T3/4053 ,  G06T3/4046 ,  G06N3/0464 ,  G06N3/082 ,  G06N3/047 ,  G06N7/01 ,  G06V20/40 ,  G06V10/774 ,  G06V10/25 ,  G06T7/13

Abstract: 实施例提供了一种方法，所述方法包括检测在输入视频的至少一个输入帧内显示的至少一个对象。所述方法还包括从所述至少一个输入帧裁剪包括所述至少一个对象的至少一个裁剪图像。所述方法还包括通过将模拟文本覆盖在所述至少一个裁剪图像上来生成至少一个训练图像。所述方法还包括将所述至少一个训练图像提供给剪枝的卷积神经网络(CNN)。所述剪枝的CNN从所述至少一个训练图像中学习，以在图像超分辨率期间重建对象和文本区。