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。
画像雑音除去は重要な低レベルコンピュータビジョンタスクであり,雑音のない画像から雑音フリーで高品質な画像を再構成することを目的とする。深層学習の開発により,畳み込みニューラルネットワーク(CNN)は徐々に適用され,画像雑音除去,画像圧縮,画像強調などにおいて大きな成功を達成した。最近,変圧器は,コンピュータビジョンタスクに取り組むために広く使われるホット技法である。しかし,低レベルビジョンタスクに対して,変換器ベースの方法はほとんど提案されていない。本論文では,変換器に基づく画像雑音除去ネットワーク構造を提案し,これをDenSフォーマと名づけた。DenSフォーマは,前処理モジュール,局所大域特徴抽出モジュール,および再構成モジュールを含む3つのモジュールから成る。特に,局所大域特徴抽出モジュールは,いくつかのSフォーマグループから成り,その各々は,残留接続と共に,いくつかのEトランスフォーマ層と畳込み層を持っている。これらのスフォーマグループは,異なる層の特徴を融合するために,密にスキップ接続され,与えられた雑音画像から局所および大域的情報を一緒に捉える。包括的実験に関する著者らのモデルを実行した。実験結果は,著者らのDenSフォーマが,客観的および主観的評価において,合成ノイズデータおよび実ノイズデータの両方に対して,いくつかの最先端の方法と比較して,改善を達成することを証明した。【JST・京大機械翻訳】