<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Comparison OF SUPER resolution methods

Скорочена інформація про документ
dc.contributor.authorСичова, М. С.uk
dc.contributor.authorМельник, О. Д.uk
dc.contributor.authorSychova, M. S.en
dc.contributor.authorMelnyk, O. D.en
dc.titleComparison OF SUPER resolution methodsen
dc.date.issued2026
dc.publisherВінницький національний технічний університетuk
dc.identifier.citationСичова М. С., Мельник О. Д. Comparison OF SUPER resolution methods // Матеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/all-fbtegp/all-fbtegp-2026/paper/view/26936.uk
dc.relation.ispartofМатеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/all-fbtegp/all-fbtegp-2026/paper/view/26936
dc.identifier.udc004.8
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/54834
dc.description.abstractThis paper aims to provide the comparison and the best use cases of the most recent image super-resolution methods: EDSR, Real-ESRGAN, and SwinIR. A comparative analysis is carried out according to the criteria of PSNR /en
dc.description.abstractЦя стаття має на меті порівняти та розглянути найкращі варіанти використання найновіших методів надвисокої роздільної здатності зображень: EDSR, Real-ESRGAN та SwinIR. Порівняльний аналіз проводиться відповідно до критеріїв метрик PSNR / SSIM, а також перцептивної якості.uk
dc.subjectSuper Resolutionen
dc.subjectзгорткова нейронна мережаuk
dc.subjectгенеративно-змагальна мережаuk
dc.subjectсвінтрансформерuk
dc.subjectconvolutional neural networken
dc.subjectgenerative adversarial networken
dc.subjectswin transformeren
dc.typeThesis
dc.language.isoenen
dc.relation.referencesLim B., Son S., Kim H., Nah S., Lee K.M. Enhanced Deep Residual Networks for Single Image Super-Resolution / 2017 IEEE Conference on Computer Vision and Pattern Recognition Workshops (CVPRW) – pp. 1132-1140.en
dc.relation.referencesWang X., Xie L., Dong C., Shan Y. Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data / 2021 IEEE/CVF International Conference on Computer Vision Workshops (ICCVW) – pp. 1905-1914.en
dc.relation.referencesLedig C., Theis L., Huszar F., Caballero J., Aitken A.P., Tejani A., Totz J., Wang Z., & Shi W. Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network / 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR) – pp. 105-114.en
dc.relation.referencesLiang J., Cao J., Sun G., Zhang K., Gool L.V., Timofte R. SwinIR: Image Restoration Using Swin Transformer / 2021 IEEE/CVF International Conference on Computer Vision Workshops (ICCVW) – pp. 1833-1844.en
dc.relation.referencesLiu Z., Lin Y., Cao Y., Hu H., Wei Y., Zhang Z., Lin S., Guo B. Swin Transformer: Hierarchical Vision Transformer using Shifted Windows / 2021 IEEE/CVF International Conference on Computer Vision (ICCV) – pp. 9992-10002.en
dc.date.accessioned2026-10-06T10:58:04Z

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
26936.pdf
Розмір:
586,61 KB
Формат:
Adobe Portable Document Format
Завантажити

Зібрання

НТКП ВНТУ. Факультет будівництва, цивільної та екологічної інженерії (2026)