画像復元のための適応クロスレイヤ注意【JST・京大機械翻訳】

Wang Yancheng; Xu Ning; Yang Yingzhen

プレプリント

J-GLOBAL ID：202202200115056291 整理番号：22P0300269

画像復元のための適応クロスレイヤ注意【JST・京大機械翻訳】

Adaptive Cross-Layer Attention for Image Restoration

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年03月04日プレプリントサーバーでの情報更新日： 2023年04月18日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

非局所注意モジュールは画像復元にとって極めて重要であることが証明されている。各層の従来の非局所注意プロセスの特徴は,異なる層間の特徴間の相関を欠いている。この問題に取り組むために,異なる層から情報を集約する注意モジュールを設計することを目指した。同一層内の相関鍵画素を見つける代わりに,各クエリ画素は,ネットワークの多重以前の層で鍵画素に意図するよう奨励される。ニューラルネットワークバックボーンにそのような注意設計を効率的に埋め込むために,新しい適応クロスレイヤ注意(ACLA)モジュールを提案した。2つの適応設計をACLAのために提案する。(1)各層における非局所注意のための鍵を適応的に選択する;(2)ACLAモジュールのための挿入位置の自動探索。これら2つの適応設計により,ACLAは,従来の層における非局所注意のために凝集する鍵の柔軟な数を動的に選択し,一方,コンパクトなニューラルネットワークを,説得力のある性能で維持する。単一画像超解像度,画像雑音除去,画像デモザイシング,画像圧縮アーチファクト低減を含む画像復元タスクに関する広範な実験は,ACLAの有効性と効率を検証した。ACLAのコードは,url{https://github.com/SDL ASU/ACLA}で利用可能である。【JST・京大機械翻訳】

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

図形・画像処理一般 , 表示機器 , 人工知能 , ニューロコンピュータ

, , ,

前のページに戻る