実画像復元と強化のための強化特徴の学習【JST・京大機械翻訳】

Zamir Syed Waqas; Arora Aditya; Khan Salman; Khan Salman; Hayat Munawar; Hayat Munawar; Khan Fahad Shahbaz; Khan Fahad Shahbaz; Yang Ming-Hsuan; Yang Ming-Hsuan; Shao Ling; Shao Ling

文献

J-GLOBAL ID：202102228775562131 整理番号：21A1030864

実画像復元と強化のための強化特徴の学習【JST・京大機械翻訳】

Learning Enriched Features for Real Image Restoration and Enhancement

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=21A1030864&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=21A1030864&from=J-GLOBAL&jstjournalNo=H0078D") }}

著者 (12件)： , , , , , , , , , , ,
資料名：
巻： 12370 ページ： 492-511 発行年： 2020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)

劣化バージョンから高品質画像コンテンツを回復する目的で,画像復元は,監視,コンピュータ写真および医用イメージングのような多数のアプリケーションを楽しむ。最近,畳み込みニューラルネットワーク(CNN)は,画像復元タスクに対する従来のアプローチよりも劇的な改善を達成した。既存のCNNベースの方法は,通常,完全解像度または徐々に低解像度表現のいずれかで動作する。前者の場合,空間的に正確だが,文脈的に低いロバスト結果が達成されるが,後者の場合では,意味的に信頼できるが空間的に精度の低い出力が生成される。本論文では,全ネットワークを通して空間的に高精度な高解像度表現を維持し,低解像度表現から強い文脈情報を受信する集合的目標を持つアーキテクチャを提示した。提案アプローチのコアは,いくつかの鍵要素を含むマルチスケール残差ブロックである:(a)マルチスケール特徴を抽出するための並列多重解像度畳込みストリーム,(b)多重解像度ストリームを横断する情報交換,(c)文脈情報を捕捉するための空間およびチャネル注意メカニズム,および(d)注意ベースマルチスケール特徴集約。ナットシェルにおいて,提案アプローチは,複数のスケールから文脈情報を結合する豊富な特徴集合を学習するが,同時に高解像度空間の詳細を保存する。5つの実画像ベンチマークデータセットに関する大規模な実験は,MIRNetと呼ぶ著者らの方法が,画像ノイズ除去,超解像,および画像増強のための最先端の結果を達成することを実証した。ソースコードと事前訓練モデルは,利用可能である。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

著者キーワード (3件)： , ,

図形・画像処理一般

, ,

前のページに戻る