特許ウォッチ

公開番号2025083111
公報種別公開特許公報(A)
公開日2025-05-30
出願番号2023196802
出願日2023-11-20
発明の名称情報処理装置、情報処理方法及び情報処理プログラム
出願人LINEヤフー株式会社
代理人弁理士法人酒井国際特許事務所
主分類G06T 3/4053 20240101AFI20250523BHJP(計算;計数)
要約【課題】低解像度画像をより適切に超解像(高画質化)するモデルを実現する。
【解決手段】本願に係る情報処理装置は、基準画像(例えば高解像度画像)と、当該基準画像に対して所定のタスクを適用した適用画像(例えばノイズ付き画像)との組を、それぞれ異なる複数のタスクごとに生成する生成部と、適用画像と、当該適用画像に対して適用されたタスクを示すタスク情報(例えばクラスラベル)とを入力した際に、基準画像を生成するように拡散モデルに学習させる学習部と、を備えることを特徴とする。
【選択図】図3
特許請求の範囲【請求項１】
基準画像と、当該基準画像に対して所定のタスクを適用した適用画像との組を、それぞれ異なる複数のタスクごとに生成する生成部と、
適用画像と、当該適用画像に対して適用されたタスクを示すタスク情報とを入力した際に、基準画像を生成するように拡散モデルに学習させる学習部と、
を備えることを特徴とする情報処理装置。
続きを表示（約 1,400 文字）【請求項２】
前記生成部は、元のタスクを複数のタスクに分解し、タスクごとに基準画像と適用画像との組を生成する
ことを特徴とする請求項１に記載の情報処理装置。
【請求項３】
前記生成部は、学習済み拡散モデルを用いて行われる基準タスクについて基準画像と適用画像との組を生成し、さらに当該基準タスクを構成する構成タスクについて基準画像と適用画像との組を生成する
ことを特徴とする請求項１に記載の情報処理装置。
【請求項４】
前記学習部は、基準画像に段階的に所定のタスクに応じた劣化を加えて適用画像を生成する過程と、劣化の過程を遡るように段階的に適用画像から基準画像を再構成する過程とを拡散モデルに学習させる
ことを特徴とする請求項１に記載の情報処理装置。
【請求項５】
前記学習部は、タスクを示すタスク情報としてクラスラベルを入力した際に、基準画像を生成するように拡散モデルに学習させる
ことを特徴とする請求項１に記載の情報処理装置。
【請求項６】
前記生成部は、
基準画像としての高解像度画像と、当該高解像度画像に対して段階的に拡大縮小を行った適用画像との組を、タスク情報としてのクラスラベルがクラス０の場合の学習サンプルとして生成し、
基準画像としての高解像度画像と、当該高解像度画像に対して段階的にノイズ付与を行った適用画像との組を、タスク情報としてのクラスラベルがクラス１の場合の学習サンプルとして生成し、
基準画像としての高解像度画像と、当該高解像度画像に対して段階的に拡大縮小とノイズ付与とを行った適用画像との組を、タスク情報としてのクラスラベルがクラス２の場合の学習サンプルとして生成し、
前記学習部は、クラスラベルごとに、生成された学習サンプルを用いて拡散モデルに学習させる
ことを特徴とする請求項１に記載の情報処理装置。
【請求項７】
前記学習部は、一定確率でクラスラベルを削除し、クラスラベル無しの状態で、生成された学習サンプルを用いて拡散モデルに学習させることで、拡散モデルによる超解像にＣＦＧ（classifier-free guidance）を適用して利用可能にする
ことを特徴とする請求項６に記載の情報処理装置。
【請求項８】
学習済みの拡散モデルに、適用画像と、実世界超解像タスクを示すタスク情報とを入力することで、当該適用画像に対して実世界超解像を行い、基準画像に相当する実世界超解像画像を生成する超解像部
をさらに備えることを特徴とする請求項１に記載の情報処理装置。
【請求項９】
超解像タスクを複数クラスに分解してクラス条件付きの超解像モデルになるように拡散モデルに学習させる学習部と、
学習済みの拡散モデルを用いて入力画像の実世界超解像を行う超解像部と、
を備えることを特徴とする情報処理装置。
【請求項１０】
拡散モデルによる超解像においてＣＦＧ（classifier-free guidance）が利用可能になるように拡散モデルに学習させる学習部と、
ＣＦＧ（classifier-free guidance）が利用可能となった拡散モデルを用いて入力画像の実世界超解像を行う超解像部と、
を備えることを特徴とする情報処理装置。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、情報処理装置、情報処理方法及び情報処理プログラムに関する。
続きを表示（約 1,500 文字）【背景技術】
【０００２】
画像のノイズを低減するノイズ低減処理を実行する画像処理回路に関する技術が開示されている（特許文献１参照）。
【先行技術文献】
【特許文献】
【０００３】
特開２０２０－１９１０４６号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、上記の従来技術には、改善の余地がある。例えば、上記の従来技術では、ノイズ、ブラー（blur：ぼかし、不鮮明化）、圧縮等による劣化が複合的に含まれる低解像度画像を超解像（高画質化）するという点については改善の余地がある。そのため、低解像度画像をより適切に超解像（高画質化）する手法が求められている。
【０００５】
本願は、上記に鑑みてなされたものであって、低解像度画像をより適切に超解像（高画質化）するモデルを実現することを目的とする。
【課題を解決するための手段】
【０００６】
本願に係る情報処理装置は、基準画像と、当該基準画像に対して所定のタスクを適用した適用画像との組を、それぞれ異なる複数のタスクごとに生成する生成部と、適用画像と、当該適用画像に対して適用されたタスクを示すタスク情報とを入力した際に、基準画像を生成するように拡散モデルに学習させる学習部と、を備えることを特徴とする。
【発明の効果】
【０００７】
実施形態の一態様によれば、低解像度画像をより適切に超解像（高画質化）するモデルを実現することができる。
【図面の簡単な説明】
【０００８】
図１は、実施形態に係る情報処理システムの概要を示す説明図である。
図２は、ＣＦＧ（classifier-free guidance）のイメージを示す図である。
図３は、ＣＦＧを適用した実世界超解像の概要を示す説明図である。
図４は、ＣＦＧを実施した結果の評価を示す図である。
図５は、実施形態に係る端末装置の構成例を示す図である。
図６は、実施形態に係るサーバ装置の構成例を示す図である。
図７は、実施形態に係る処理手順を示すフローチャートである。
図８は、ハードウェア構成の一例を示す図である。
【発明を実施するための形態】
【０００９】
以下に、本願に係る情報処理装置、情報処理方法及び情報処理プログラムを実施するための形態（以下、「実施形態」と記載する）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る情報処理装置、情報処理方法及び情報処理プログラムが限定されるものではない。また、以下の実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。
【００１０】
〔１．情報処理システムの概要〕
まず、図１を参照し、実施形態に係る情報処理システムの概要について説明する。図１は、実施形態に係る情報処理システムの概要を示す説明図である。図１に示すように、実施形態に係る情報処理システム１は、端末装置１０とサーバ装置１００とを含む。これらの各種装置は、ネットワークＮを介して、有線又は無線により互いに通信可能に接続される。これにより、端末装置１０は、サーバ装置１００と連携可能である。ネットワークＮは、例えば、ＬＡＮ（Local Area Network）や、インターネット等のＷＡＮ（Wide Area Network）である。
（【００１１】以降は省略されています）

関連特許