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。
固有画像分解は,画像から画像生成成分(反射と遮光)を回復するプロセスである。以前の方法は,その損失(深層学習)によって定式化されたように,問題または暗黙制約を制約するために,明示的な事前確率を用いる。これらの方法は,遮光反射漏洩を引き起こす強い照明条件によって負に影響される。したがって,本論文では,エンドツーエンドエッジ駆動ハイブリッドCNN手法を固有画像分解のために提案する。エッジは照明不変勾配に対応する。ハードネガティブ照明遷移を処理するために,大域的および局所精密化層を含む階層的アプローチを取り上げた。学習プロセスをさらに強化するために注意層を利用した。広範なアブレーション研究および大規模実験を行い,照明不変記述子の利用および大域的および局所手がかりの分離が,ネットワークの性能の改善を助けるために,エッジ駆動ハイブリッドIIDネットワークにとって有益であることを示した。最後に,提案手法は最先端の性能の状態を獲得でき,実世界画像によく一般化できることを示した。事前訓練モデル,微調整モデルおよびネットワークコードを有するプロジェクトページを,https://ivi.fnwi.uva.nl/cv/pienet/で見つけることができた。【JST・京大機械翻訳】