複素数値畳込みニューラルネットワークによる大気乱流除去【JST・京大機械翻訳】

Anantrasirichai Nantheera

プレプリント

J-GLOBAL ID：202202210894912668 整理番号：22P0332277

複素数値畳込みニューラルネットワークによる大気乱流除去【JST・京大機械翻訳】

Atmospheric Turbulence Removal with Complex-Valued Convolutional Neural Network

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 (1件)：
資料名：
発行年： 2022年04月14日プレプリントサーバーでの情報更新日： 2022年05月08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)

大気乱流は視覚画像を歪んで,人間と機械の両方による情報解釈のために常に問題であった。大気乱流歪を除去する最もよく開発されたアプローチはモデルベースである。しかし,これらの方法は,高い計算および大きなメモリを必要とし,リアルタイム操作は実行不可能であった。したがって,深層学習ベース手法は,より多くの注目を得ているが,現在,静的シーン上でのみ効率的に研究している。本論文では,動的シーンをサポートするための短い時間的スパニングを提供する新しい学習ベースフレームワークを提案した。大気乱流により変化する位相情報として複素値畳込みを,通常の実数値畳込みよりも良く捕捉した。2つの連結モジュールを提案した。第1のモジュールは幾何学的歪みを除去し,十分なメモリであれば,第2のモジュールをビデオの微細詳細を精密化するために適用した。実験結果は,提案フレームワークが大気乱流歪を効率的に緩和し,既存の方法を著しく凌ぐことを示した。【JST・京大機械翻訳】

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

人工知能 , パターン認識

, ,

前のページに戻る