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。
雨ストリークは,他のビジョンやマルチメディアタスクが作業に失敗するかもしれない画像の可視度を著しく劣化させるので,Rain除去は重要だが挑戦的なコンピュータビジョンタスクである。以前の研究は,主に特徴抽出と処理またはニューラルネットワーク構造に焦点を合わせ,一方,現在の降雨除去方法は,すでに顕著な結果を達成し,クロススケール関係を考慮しない単一ネットワーク構造に基づく訓練は,情報ドロップアウトを引き起こすかもしれない。本論文では,画像降雨除去タスクを解くために,ネットワークと内部スケール融合操作の間のクロススケール法を検討した。特に,異なるスケールを有する特徴を学習するために,著者らは,これらのサブネットワークが内部学習にゲートリカレントユニットによってクロススケール方式で融合され,これらのサブネットワークにおいて異なるスケールで情報を完全に利用するために,マルチサブネットワーク構造を提案する。さらに,マルチスケール情報を利用するための内部スケール接続ブロックを設計し,降雨表現能力を改善するために,異なるスケール間の特徴融合方法を設計し,これらのブロックを内部接続するスキップ接続を有する高密度ブロックを導入した。合成および実世界データセットの両者に関する実験結果は,提案手法の優位性を示し,最先端の方法よりも性能が優れていた。ソースコードはhttps://supercong94.wixsite.com/supercong94で利用可能である。【JST・京大機械翻訳】