文献

J-GLOBAL ID：201902222535637603   整理番号：19A1193641

モバイルデバイスにおける知覚画像強調のための距離スケーリング大域的U-NET【JST・京大機械翻訳】

Range Scaling Global U-Net for Perceptual Image Enhancement on Mobile Devices

著者 (8件)： Huang Jie (MTlab, Meitu Inc., Xiamen, China) ,  Zhu Pengfei (MTlab, Meitu Inc., Xiamen, China) ,  Geng Mingrui (MTlab, Meitu Inc., Xiamen, China) ,  Ran Jiewen (MTlab, Meitu Inc., Xiamen, China) ,  Zhou Xingguang (MTlab, Meitu Inc., Xiamen, China) ,  Xing Chen (MTlab, Meitu Inc., Xiamen, China) ,  Wan Pengfei (Tsinghua University, Beijing, China) ,  Ji Xiangyang (Tsinghua University, Beijing, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11133  ページ： 230-242  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 特殊なモバイル機器-スマートフォン上での知覚画像強調は,最近,産業的努力と学術的関心を増加させている。ディジタル単一レンズ反射(DSLR)カメラと比較して,スマートフォン上のカメラは,様々なハードウェア制約により,典型的に低品質画像を捕捉する。追加情報なしで,特に計算がモバイル機器上で行われなければならないとき,単一画像の知覚品質を強化することは挑戦的な課題である。本論文では,モバイル機器上での知覚画像強調のための,新しい深い学習に基づく手法,すなわち範囲スケーリンググローバルUネット(RSGUNet)を提案した。異なる解像度で画像特徴を利用するUネット構造の他に,提案したRSGUNetは,拡張画像におけるアーチファクトを軽減する新しい範囲スケーリング層だけでなく,大域的特徴ベクトルを学習する。広範な実験により,RSGUNetはより高い主観的および客観的品質を有する強化画像を出力するだけでなく,より少ない推論時間を要することを示した。著者らの提案は,Smartphone Challenge(PRIM2018)に関する知覚イメージ強化のトラックBにおける大きなマージンによって,第1の場所を示した。コードはhttps://github.com/MTlab/ECCV-PIRM2018で利用可能である。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ネットワーク構造 ,  アーチファクト ,  *画像強調 ,  画像特性 ,  ディジタル方式 ,  カメラ ,  ハードウェア ,  分解能 ,  スマートフォン ,  品質 ,  *画像
準シソーラス用語： 特徴ベクトル ,  知覚品質 ,  *モバイルデバイス , 【Automatic Indexing@JST】

著者キーワード (3件)： 知覚画像強調 ,  大域的特徴ベクトル ,  距離スケーリング層

分類 (5件)： 人工知能  (JE08000Z) ,  計算機網  (JC03000K) ,  図形・画像処理一般  (JE04010I) ,  写真測量,空中写真  (RC02040D) ,  移動通信  (ND08030H)

タイトルに関連する用語 (5件)： モバイルデバイス ,  知覚 ,  画像強調 ,  スケーリング ,  U-Net