Malleable畳込みによる高速で高品質の画像雑音除去【JST・京大機械翻訳】

Jiang Yifan; Wronski Bartlomiej; Mildenhall Ben; Barron Jonathan T.; Wang Zhangyang; Xue Tianfan

プレプリント

J-GLOBAL ID：202202211449347493 整理番号：22P0022629

Malleable畳込みによる高速で高品質の画像雑音除去【JST・京大機械翻訳】

Fast and High-Quality Image Denoising via Malleable Convolutions

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 (6件)： , , , , ,
資料名：
発行年： 2022年01月02日プレプリントサーバーでの情報更新日： 2022年08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)

ほとんどの画像雑音除去ネットワークは,全入力画像にわたって静的畳込みカーネルの単一集合を適用する。これは,しばしば不均一視覚パターンから成るので,自然画像に対して準最適である。動的畳み込みは,パーピクセル畳込みカーネルを用いてこの問題に対処することを試みたが,これは計算コストを大きく増加させる。本研究では,最小計算オーバヘッドで空間変化処理を行う,Malleable Convolution(MalleConv)を提示した。MalleConvは,空間的に変化する畳み込みカーネルのより小さなセット,静的とピクセル間の畳み込みカーネルの間の妥協を使用する。これらの空間的に変化するカーネルは,ダウンサンプル入力で動作する効率的な予測子ネットワークにより生産され,全解像度画像により生成されたピクセルカーネルよりも計算するのにはるかに効率的であり,また,静的カーネルと比較してネットワーク受容野を拡大した。次に,これらのカーネルを一緒にアップサンプリングし,最小メモリオーバヘッドを有する効率的オンザフライスライシングオペレータを通して完全解像度特徴マップに適用した。MalleConvの有効性を実証するために,著者らはMalleNetと呼ぶ効率的な雑音除去ネットワークを構築するためにそれを使用した。MalleNetは,非常に深いアーキテクチャなしで高品質な結果を達成し,類似の視覚品質を達成しながら,最良性能の雑音除去アルゴリズムよりも8.9x速くなる。また,標準的な畳み込みベースのバックボーンに付加した単一MalleConv層が,同様のコストで計算コストまたはブースト画像品質を著しく低減できることを示した。より多くの情報は,著者らのプロジェクトページ:ウルル{https://yifanjiang.net/MalleConv.html}に関するものである。【JST・京大機械翻訳】

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

図形・画像処理一般 , パターン認識

, ,

前のページに戻る