Odborné vysvětlení: Super-rozlišení je technika zpracování obrazu, která zvyšuje rozlišení a kvalitu obrazu. Cílem je rekonstruovat obraz s vysokým rozlišením z jednoho nebo více obrazů s nízkým rozlišením. Moderní přístupy využívají hluboké učení, zejména konvoluční neuronové sítě, pro učení mapování mezi obrazy s nízkým a vysokým rozlišením. Populární architektury zahrnují SRCNN, VDSR nebo ESRGAN, které dokáží generovat detaily a textury, které nebyly přítomny v původním obraze.
Vysvětlení pro laiky: Super-rozlišení je jako mít kouzelnou lupu, která dokáže zlepšit kvalitu rozmazaných nebo malých obrázků. Představte si, že máte starou fotografii, která je malá a není moc ostrá. Super-rozlišení dokáže tuto fotografii zvětšit a přidat do ní detaily, takže vypadá mnohem ostřeji a jasněji. Je to užitečné například pro vylepšení starých filmů nebo fotografií, v lékařském zobrazování pro lepší diagnostiku, nebo pro zlepšení kvality satelitních snímků.
Super-resolution is an image processing technique that increases the resolution and quality of an image. The goal is to reconstruct a high-resolution image from one or more low-resolution images. Modern approaches use deep learning, especially convolutional neural networks, to learn mapping between low and high-resolution images. Popular architectures include SRCNN, VDSR, or ESRGAN, which can generate details and textures that were not present in the original image.
