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。
最近,多数のアルゴリズムが光場超解像(LFSR)の問題,すなわち高分解能視野を得るために超解像低解像度光場に取り組むために開発されている。有望な結果をもたらすにもかかわらず,これらのアプローチは,すべての畳込みベースであり,光場の固有の構造を特徴付けるために,サブ開口画像の大域的関係モデリングにおいて自然に弱い。本論文では,シーケンスツーシーケンス再構成タスクとしてLFSRを処理することにより,変換器上に構築された新しい定式化を提案した。特に,このモデルは,各垂直または水平角視野のサブ開口画像をシーケンスとして考慮し,各サブ開口画像の局所性を維持する空間角局所増強自己注意層を介して各シーケンス内の長距離幾何学的依存性を確立した。さらに,画像の詳細をより良く回復するために,シーケンス学習を導くために,光場の勾配マップをレバレッジすることによって,詳細保存変換器(DPTと呼ぶ)を提案した。DPTは,オリジナルまたは勾配画像シーケンスから学習するための変換器とそれぞれ関連する2つの枝から成る。2つの分岐を最終的に融合して,再構成のための包括的特徴表現を得た。実世界シーンと合成データを含む多数の光場データセットについて評価を行った。提案方法は,他の最先端の方式と比較して優れた性能を達成した。このコードは,https://github.com/BITszwang/DPTで公開可能である。【JST・京大機械翻訳】