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。
時間とメモリ消費は,資源制約付きデバイスに展開される効率的な画像超解像(EISR)モデルの2つの重要な側面である。EISRの最近の進歩は,限られた階層的特徴を完全に利用するために,多くのチャネル分割と連結操作による蒸留と凝集戦略を利用する。対照的に,逐次ネットワーク操作は,先行状態と余分なノードを頻繁にアクセスすることを避け,従ってメモリ消費と実行時間オーバヘッドを減らすのに有益である。このアイデアに従って,著者らは,主に多重高度最適化畳込みと活性化層を積み重ねて,特徴融合の利用を減少することによって,著者らの軽量ネットワークバックボーンを設計した。著者らは,あらゆる画素が局所およびグローバルコンテキストに従って重要因子を割り当てて,高周波詳細を強化するために,新しい逐次注意ブランチを提案した。さらに,EISRに対する残留ブロックを調整し,ネットワーク推論をさらに加速するための強化残留ブロック(ERB)を提案した。最後に,すべての上記の技術を結合して,著者らは,高速かつメモリ効率の良いネットワーク(FMEN)とその小さなバージョンFMEN-Sを構築して,それは,最新のEISRモデル(E-RFDN,AIM2020効率的超解像課題におけるチャンピオン)と比較して,33%速くて,74%のメモリ消費を減らした。そのうえ,FMEN-Sは,効率的超解像に関するNTIRE2022チャレンジにおいて,最も低いメモリ消費と2番目の最短実行時間を達成した。コードはhttps://github.com/NJU Jet/FMENで利用可能である。【JST・京大機械翻訳】