文献
J-GLOBAL ID:202002265208785854   整理番号:20A2617284

深層学習アプローチを用いたビデオテンソル完成【JST・京大機械翻訳】

Video-Tensor Completion using a Deep Learning approach
著者 (4件):
資料名:
巻: 2020  号: ColCACI  ページ: 1-6  発行年: 2020年 
JST資料番号: W2441A  資料種別: 会議録 (C)
記事区分: 原著論文  発行国: アメリカ合衆国 (USA)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
テンソル完了問題は,テンソルと呼ばれる多次元アレイにおける崩壊データの回復を解決する。テンソル完了における従来のアプローチは,変換テンソル特異値分解(tt-SVD)に基づいている。これらの手法は,低テンソルランク表現を誘導するための直交変換の領域におけるテンソル核ノルムを最小化する。したがって,それらは,低テンソルランク表現を確実にするためのデータの以前の知識を必要とし,従って,良好な品質再構成を確実にする。他方,多様な文脈における深層学習の幅広い進展に基づいて,本論文は,グレースケールビデオの問題点におけるテンソルデータ回復のための3DU-Netアーキテクチャを提示した。提案方法は,3Dフィルタを有する畳込み層から成り,時空間次元で情報を利用する。実験結果は,提案方法が最先端の解法と比較して,相対誤差(RE),ピーク対信号比(PSNR),およびより少ない実行時間においてより良い性能を有することを示した。特に,雑音の存在下では,提案手法は回復を5.99dBまで改善し,RE中の0.09を崩壊画素の85%で改善した。雑音のない場合,提案したアーキテクチャは,データの85%が失われるとき,REにおいて4.39dBと0.07で改善した。さらに,提案方法は,少なくとも2.5倍の再構成時間において最先端技術よりも高速であることを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
図形・画像処理一般 
タイトルに関連する用語 (3件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る