@techreport{oai:nuis.repo.nii.ac.jp:00003539,
 author = {板垣, 正敏 and ITAGAKI, Masatoshi},
 note = {科研費（基盤Ｂ）による研究「統計的画像処理と機械学習を併用した文化財のデジタル復元技術の基盤創出」にあたり、参考となりそうな深層学習関連の論文および技術についてリサーチを行った。”Underwater Image Enhancement via edium Transmission-Guided Multi-Color Space Embedding”, Chongyi Li et al. および “UIECˆ2-Net: CNN-based Underwater Image Enhancement Using Two Color Space”, Yudong Wang, et al. はいずれも水中で撮影された写真の色彩復元に関する論文で、前者はRGB画像をHSVおよびRab色彩空間、後者はHSV色彩空間に変換したものを入力とした自己符号化器を提案している。特に前者は、元画像の媒体透過率を元にした白黒画像データを加える点が参考となる。”Denoising Diffusion Probabilistic Models”, Jonathan Ho, et al. は確率的拡散モデルを画像生成モデルとして提案した論文で、画像にノイズを加えていく過程を逆に学習させることで鮮明な画像を生成することができることを示した点が参考になる。”Noise2Noise: Learning Image Restoration without Clean Data“, Jaakko Lehtinen, et al. はこれより少し前のノイズ除去の学習モデルだが、ガウシアンノイズ以外のノイズも対象としたところが参考になると考えられる。”DeOldify”, Jason Antic は論文ではなく実装だが、白黒画像・動画の色彩復元としてNoGANと名付けられたGANの新しい訓練法が参考になる。},
 title = {画像復元関連の注目技術},
 yomi = {イタガキ, マサトシ}
}