PyNET-QxQ:CMOSイメージセンサにおけるQxQBayerパターンデモザイシングのための効率的なPyNET変異体【JST・京大機械翻訳】

Cho Minhyeok; Lee Haechang; Je Hyunwoo; Kim Kijeong; Ryu Dongil; No Albert

プレプリント

J-GLOBAL ID：202202218222418313 整理番号：22P0300964

PyNET-QxQ:CMOSイメージセンサにおけるQxQBayerパターンデモザイシングのための効率的なPyNET変異体【JST・京大機械翻訳】

PyNET-QxQ: An Efficient PyNET Variant for QxQ Bayer Pattern Demosaicing in CMOS Image Sensors

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03月08日プレプリントサーバーでの情報更新日： 2023年05月05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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

モバイルカメラのための深層学習ベースの画像信号プロセッサ(ISP)モデルは,専門のDSLRカメラのそれらに到着する高品質の画像を作り出すことができる。しかし,それらの計算要求は,しばしばそれらをモバイル設定に不適当にする。さらに,現代のモバイルカメラは,画像品質を高めるためにQuad Bayer,Nona Bayer,QxQ Bayerのような非Bayesカラーフィルタアレイ(CFA)を採用し,既存の深層学習ベースISP(またはデモザイシング)モデルは主に標準Bayer CFAsに焦点を合わせている。本研究では,元のPyNETから導出されたQxQ Bayer CFAパターンに対して特別に設計された軽量デモザイシングモデルであるPyNET-QxQを提示した。また,より有効に縮小ネットワークを訓練するために,進行性蒸留と呼ばれる知識蒸留法を提案した。その結果,PyNET-QxQは元のPyNETのパラメータの2.5%未満を含み,その性能を保存した。プロトタイプQxQカメラセンサによって捕捉されたQxQ画像を用いた実験は,PyNET-QxQが,そのかなり減少したパラメータ数にもかかわらず,テクスチャとエッジ再構成に関して既存の従来のアルゴリズムより優れていることを示した。【JST・京大機械翻訳】

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

図形・画像処理一般

前のページに戻る