Hypernetwork generuje funkcyjną reprezentację obrazu.

A commonly known representation of the image is a simple two-dimensional RGB matrix. In this paper, we introduce new approach for image representation which leverages neural networks. The idea is to define a function of the image and approximate it with a use of the neural network. The problem is this function describes only one image. It means we need multiple models trained separately for a set of images. The requirement of training model for each image makes this approach impractical. Therefore, an another neural network called hypernetwork is introduced for the purpose of training image models. It takes the RGB matrix as an input and returns the weights for the network representing the image. To make the hypernetwork’s task even harder, we enforced it to generate the representation of a high resolution image from its low resolution equivalent given as an input. As the result we ended up with a new Super Resolution method. What makes our solution unique is versatility of the architecture. It does not depend on a chosen scaling factor.

Powszechnie znaną reprezentacją obrazu jest zwykła dwuwymiarowa macierz RGB. W tej pracy magisterskiej zaproponowano nowe rozwiązanie pozwalające na przedstawienie obrazu za pomocą sieci neuronowych. Pomysł polega na znalezieniu funkcji opisującej obrazek i zaaproksymowaniu jej z wykorzystaniem sieci neuronowej. Wytrenowanie pojedynczej sieci nie zajmuje stosunkowo wiele czasu w porównaniu do treningu wielu takich sieci, który należałoby przeprowadzić dla całego zbioru obrazków. Rozwiązanie to zatem mogłoby nie sprawdzić się w praktyce, ale można je odpowiednio zmodyfikować, wprowadzając dodatkową sieć neuronową zwaną hypernetwork. Jest ona odpowiedzialna za generację poszczególnych sieci neuronowych reprezentujących pojedyncze obrazy. Jako wejście przyjmuje ona obraz w postaci macierzy RGB i zwraca wagi sieci aproksymującej funkcję tego obrazu. Można to zadanie nieco utrudnić, stawiając wymóg, aby zwracany obraz w nowej reprezentacji miał wyższą rozdzielczość. W tej pracy z powodzeniem udało się ten pomysł zrealizować, co zaowocowało nowym podejściem do problemu super-resolution, w którym architektura rozwiązania jest niezależna od rozdzielczości docelowej.