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。
画像デザイジングは,hazy画像から潜在ヘイズフリー画像を推定する代表的な低レベルビジョンタスクである。近年,畳み込みニューラルネットワークベースの方法は,画像デザイジングを支配している。しかしながら,最近,高レベルビジョンタスクでブレークスルーを遂げたビジョン変換機は,画像デザイジングに新しい次元をもたらさない。ポピュラーなSwin変換機から始め,いくつかのキーデザインが画像デザイジングに不適当であることを見出した。この目的のために,修正正規化層,活性化関数,および空間情報集約方式のような様々な改良から成るDehazeformerを提案した。その有効性を実証するために,様々なデータセット上でDehazeformerの多重変異体を訓練した。特に,最も頻繁に使用されるSOTS屋内セットでは,著者らの小さなモデルは,25%#Paramと5%の計算コストでFFA-Netより優れている。著者らが知る限りでは,著者らの大規模モデルはSOTS屋内セットで40dB以上のPSNRを有する最初の方法であり,以前の最先端技術を劇的に凌駕する。また,高度に不均一なヘイズを除去する方法の能力を評価するために,大規模な現実的なリモートセンシングデヘッジングデータセットを集めた。【JST・京大機械翻訳】